Post on 27-Nov-2021
“ANÁLISIS MULTITEMPORAL MEDIANTE IMÁGENES DE SENSORES REMOTOS PARA LA DETERMINACIÓN DE LOS CAMBIOS DE USO DE
SUELO EN EL MUNICIPIO DE SAN FRANCISCO DE SALES, CUNDINAMARCA (COLOMBIA) ENTRE LOS AÑOS 90’S Y 2018”
Tesis de Maestría presentada por:
ING. YULY MARCELA NIÑO MARTÍNEZ
Ante la facultad de Ingeniería y la Facultad de Ciencias Astronómicas y Geofísicas
de la Universidad Nacional de La Plata para optar al Grado Académico de:
MAGISTER EN GEOMÁTICA
Director de Tesis: Dr. Jorge Sisti
Jurado de Tesis: Dra. Fernanda Gáspar
Dra. Alejandra Geraldi
Dra. Sandra Torrusio
Lugar y fecha de presentación oral y pública: La Plata, 10 de Diciembre de 2020
“Únicamente la autora es responsable de las ideas expuestas en el presente
trabajo”
Copyright © 2020 por Yuly Marcela Niño Martínez
Todos los derechos reservados.
DEDICATORIA
A mi madre, por su esfuerzo y esmero al brindarme las herramientas educativas que
me han permitido llegar hasta aquí, por sembrar en mí la semilla de la superación,
alentarme a volar y confiar en mis habilidades.
A la fuente de inspiración y el mejor regalo de la vida, mis sobrinos Duván,
Fernanda, Leonardo y Esteban, que este sea un estímulo más para atreverse a
cumplir todas sus aspiraciones. Que sus sueños sean más grandes que sus miedos,
a volar mis retoños, a volar…
AGRADECIMIENTO
A mi familia principal motivación en mi vida, por su comprensión, apoyo y aliento
constante, pero ante todo por su incondicionalidad a lo largo de mi recorrido. Sin
ellos nada tendría sentido. “Para ellos es este logro académico y personal”.
A mí querido amigo y colega Ing. William Fagua, por retornarme al camino cada vez
que me disipaba, por el soplo de esperanza cada vez que desistía y su ayuda en
este prolongado proceso de la maestría. Este título académico es nuestro.
A mi director de tesis: Dr. Jorge Sisti, quien me brindó su valiosa orientación y fue
mi asesor en la elaboración de esta tesis de grado.
A todos mis amigos y conocidos más cercanos que directa o indirectamente me
animaron en la realización de este trabajo.
RECONOCIMIENTO
A la Universidad Nacional de La Plata, por brindarme la oportunidad de desarrollar
capacidades, competencias y optar el grado académico de Maestra en Geomática.
RESUMEN
El presente trabajo consistió en el análisis multitemporal de las coberturas y usos
del suelo del municipio de San Francisco de Sales, ubicado al noroccidente del
departamento de Cundinamarca en Colombia. Con el uso de imágenes de satélite
Landsat 4 TM y Sentinel-2 MSI de los años 1988 y 2018 respectivamente. Se
identificaron los cambios en las coberturas terrestres entre estas dos épocas a
escala 1:100.000, mediante el uso de la clasificación supervisada y con base en la
metodología Corine Land Cover adaptada para Colombia (CLC), a su vez, se hizo
la validación de los resultados obtenidos con el cálculo de la matriz de error o de
confusión, la cual compara los resultados de la clasificación frente a áreas verdad
terreno y brinda el grado de certeza que se tiene respecto a la clasificación
supervisada.
Los resultados obtenidos, reflejan primordialmente cambios en los territorios
artificializados, apareciendo consigo dos nuevas coberturas correspondientes a
tejido urbano discontinuo y zonas industriales, adicionalmente se evidencia una
dramática disminución en las áreas agrícolas y la aparición de un nuevo fenómeno
llamado finca raíz en su lugar. Los hallazgos encontrados sirven como referente en
el marco del Esquema de ordenamiento territorial para el municipio en cuestión.
Palabras Clave: Análisis multitemporal, usos del suelo, Imágenes de satélite,
Corine Land Cover, Matriz de confusión, clasificación supervisada.
ABSTRACT
This work consisted of multi-temporal analysis of coverages and soil uses of the
municipality of San Francisco de Sales, located to the northwest of the department
of Cundinamarca in Colombia. With the use of Landsat 4 TM and Sentinel-2 MSI
satellite images 1988 and 2018 respectively, the changes identified in the land cover
between these two periods at 1: 100.000 scale, using supervised classification and
based on the Corine Land Cover methodology adapted for Colombia ( CLC), in turn,
the validation of the results obtained by calculating the error or confusion matrix,
which compares the results of the classification against the truth land areas and
provides the certainty that it has over the supervised classification.
The results primarily reflect changes in the artificialized territories, appearing with it
two new coverages corresponding discontinuous urban fabric and industrial áreas,
additionally a dramatic decrease in agricultural areas and the appearance of a new
phenomenon called real estate instead. The findings serve as a benchmark in the
framework of territorial planning for the municipality.
Keywords: Multitemporal analysis, soil uses, satellite images, Corine Land Cover,
confusion matrix, supervised classification.
TABLA DE CONTENIDO
GLOSARIO DE TÉRMINOS 13
1. INTRODUCCIÓN 18
1.2 Problemática y Justificación 19
1.2 Objetivos 21
2. MARCO TEÓRICO 22
2.1 Percepción Remota 22
2.2 Estudios Multitemporales 25
2.3 Matriz de Transición 27
2.4 Uso de Suelo 28
2.5 Coberturas de la tierra 28
2.6 Metodología Corine Land Cover 28
2.7 Programa LANDSAT 29
2.7.1 Thematic Mapper TM 31
2.8 Sentinel 31
2.8.1 Multispectral Instrument 32
2.8.2 Nivel de Procesamiento 32
2.8.2.1 Reflectancia en el Techo de la Atmósfera (TOA) 33
2.8.2.2 Corrección Dos 33
3. LOCALIZACIÓN DEL ÁREA DE ESTUDIO 34
4. METODOLOGÍA 36
4.1 Recopilación de la Información 38
4.2 Pre-procesamiento de las Imágenes de Satélite 43
4.2.1 Corrección Radiométrica y Atmosférica 44
4.2.2 Fragmentación del área de estudio 46
4.2.3 Definición de la Escala de trabajo 47
4.2.4 Combinación de Bandas 47
4.3 Procesamiento de la Información 51
4.4 Validación de los resultados 60
4.4.1 Validación clasificación 1988 Landsat 4TM 60
4.4.2 Validación clasificación 2018 Sentinel-2 MSI 64
4.5 Generación de Información – Generalización 68
4.6 Uso de la Información 71
5. RESULTADOS 76
5.1 Territorios Artificializados 78
5.2 Territorios Agrícolas 79
5.3 Bosques y Áreas Seminaturales 82
5.4 Conflicto de uso del suelo 83
6. CONCLUSIONES 87
7. BIBLIOGRAFÍA 90
8. ANEXOS 99
ÍNDICE DE TABLAS
Tabla 1 Características LANDSAT 4- TM Thematic Mapper ................................. 30
Tabla 2 Características SENTINEL 2- MSI MultiSpectral Instrument .................... 31
Tabla 3 Insumos .................................................................................................... 39
Tabla 4: Resoluciones del sensor Landsat 4 ......................................................... 41
Tabla 5: Resoluciones del sensor Sentinel-2 ........................................................ 41
Tabla 6: Registro de Parámetros Geodésicos ....................................................... 42
Tabla 7: Combinaciones de bandas utilizadas para Landsat y Sentinel-2MSI
Respectivamente ................................................................................................... 48
Tabla 8: Niveles CLC identificados en el municipio de San Francisco .................. 52
Tabla 9: Homologación de las coberturas ............................................................. 61
Tabla 10: Validación de la Clasificación ................................................................ 62
Tabla 11: Cobertura de la tierra CLC identificadas en el municipio de San Francisco
(Cund.) Periodos 1988 / 2018 ............................................................................... 71
Tabla 12: Planteamiento de la Matriz de Tabulación Cruzada .............................. 73
Tabla 13: Resultado de la Matriz de Tabulación Cruzada (Áreas en ha) .............. 75
ÍNDICE DE ILUSTRACIONES
Ilustración 1: Matriz de transición para dos mapas de diferente fecha .................. 27
Ilustración 2: Cronología del Programa LANDSAT ................................................ 29
Ilustración 3: Ubicación Geográfica ....................................................................... 34
Ilustración 4: División Política ................................................................................ 35
Ilustración 5: Resumen Metodológico ................................................................... 37
Ilustración 6: Escena de imágenes descargadas .................................................. 39
Ilustración 7: Geodatabase con los insumos y resultados del estudio Multitemporal
.............................................................................................................................. 43
Ilustración 8: Metadato de la imagen ..................................................................... 44
Ilustración 9: Configuración de las correcciones utilizadas en QGis para Landsat 4.
.............................................................................................................................. 45
Ilustración 10: Configuración de las correcciones utilizadas en QGis para Sentinel
2MSI ...................................................................................................................... 46
Ilustración 11: Fragmentación del área de clasificación ........................................ 47
Ilustración 12: Imagen Sentinel-2 en Falso Color RGB 8, 4, 3. ............................. 49
Ilustración 13: Imagen en Falso Color RGB 8, 11, 4 Sentinel-2. ........................... 50
Ilustración 14: Centro poblado San Francisco ....................................................... 52
Ilustración 15: Quintas de recreo vereda Toriba.................................................... 52
Ilustración 16: Inmunizadora de maderas San Francisco ...................................... 53
Ilustración 17: Cantera de Triturados Cerro Cuadrado .......................................... 54
Ilustración 18: Paisaje pastos limpios Alto del vino ............................................... 54
Ilustración 19: Mosaico de Cultivos (Plátano, café, cítricos) ................................. 55
Ilustración 20: Mosaico de cultivos y espacios naturales vereda San Miguel ....... 55
Ilustración 21: Mosaico de cultivos, pastos y espacios naturales vereda San Miguel.
.............................................................................................................................. 56
Ilustración 22: Bosque natural denso cercanías de La Laja .................................. 56
Ilustración 23: Parque Ecológico Jericó ................................................................ 57
Ilustración 24: Bosque ripario quebrada El Muña .................................................. 57
Ilustración 25: Plantación Forestal de Eucalyptus ................................................. 58
Ilustración 26: Firmas Espectrales de la Clasificación Supervisada en imagen
Landsat 4TM ......................................................................................................... 59
Ilustración 27: Resultado Validación de clasificación 1988 ................................... 62
Ilustración 28: Áreas no comparables por presencia de nubes ............................. 63
Ilustración 29: Áreas no coincidentes .................................................................... 63
Ilustración 30: Puntos de Muestreo Verdad Terreno ............................................. 65
Ilustración 31: Almacenamiento de Información Puntos de Muestreo ................... 66
Ilustración 32: Matriz de Confusión o de error. ...................................................... 67
Ilustración 33: Agregación de un polígono pequeño ubicado dentro de un polígono
grande - 112 (<5 ha) y 211 (≥25 ha) ...................................................................... 69
Ilustración 34 Generalización para centros poblados. ........................................... 69
Ilustración 35: Delimitación de bosque fragmentado en zona de bosque denso ... 70
Ilustración 36: Delimitación zona de mosaico en zona de bosque denso. ............ 70
Ilustración 37: Delimitación de espacios naturales menores a 25 ha (311), ubicado
dentro de un polígono de cultivos (211 ≥25 ha). ................................................... 70
Ilustración 38: Mapa de Cambios y Persistencias en el periodo 1988-2018 ......... 73
Ilustración 39: Mapa de cobertura del suelo San Francisco de Sales ................... 76
Ilustración 40: Cobertura de la tierra CLC identificadas en el municipio de San
Francisco (Cund.) para el periodo 1988 -2018 ...................................................... 77
Ilustración 41: Territorios Artificializados ............................................................... 78
Ilustración 42: Territorios Agrícolas ....................................................................... 79
Ilustración 43: Bosques y Áreas Seminaturales ................................................... 82
Ilustración 44: Mapa de cobertura del suelo 2018 y Mapa de uso propuesto del suelo
1999. ..................................................................................................................... 84
Ilustración 45: Mapa conflicto de uso .................................................................... 85
ANEXOS
Anexo 1: Mapa de Cobertura del Suelo 1988...................................................... 100
Anexo 2: Mapa de Cobertura del Suelo 2018...................................................... 101
Anexo 3: Mapa de Cobertura y Usos Propuestos del Suelo ............................... 102
Anexo 4: Mapa Conflicto de Uso del Suelo ......................................................... 103
Anexo 5: CD Geodatabase.................................................................................. 104
GLOSARIO DE TÉRMINOS
Análisis Multitemporal: Es el proceso mediante el cual se hace la comparación de
las coberturas interpretadas en dos imágenes de satélite y/o mapas de un mismo
lugar en diferentes fechas. Lo anterior permite identificar los cambios respecto de
las coberturas que han sido clasificadas. Este proceso involucra varias actividades
dentro de las cuales se encuentran: la adquisición de los insumos (Imágenes,
mapas), la preparación, la clasificación de las coberturas presentes y finalmente la
determinación de cambios en las mismas. Adicionalmente es necesario el trabajo
de campo para constatar y/o dar confiabilidad a la clasificación o como indicador de
la precisión en los resultados.
Banda: Intervalo de longitud de onda dentro del espectro electromagnético. Se
denomina banda a cada uno de los canales de adquisición de datos de un sistema
sensor.
Contraste: Diferencia de densidad entre las partes más claras y oscuras de una
imagen.
CORINE Land Cover Colombia, CLC: Permite describir, caracterizar, clasificar y
comparar las coberturas de la tierra, interpretadas a partir de imágenes de satélite
de resolución media (Landsat), para la construcción de mapas de cobertura vegetal
y uso del suelo.
Corporación Autónoma Regional del Río Grande de la Magdalena, CORMAGDALENA: Tiene como objeto la recuperación de la navegación y de la
actividad portuaria, la adecuación y conservación de tierras, la generación y
distribución de energía, así como el aprovechamiento sostenible y la preservación
del medio ambiente, los recursos ictiológicos y demás recursos naturales
renovables.
Datum: Superficie en la cual se referencian todas las coordenadas (x,y,z), tiene
asociado un elipsoide específico y uno o más puntos materializados sobre la
superficie terrestre.
Espectro electromagnético: Distribución energética, medida en función de la
frecuencia, del conjunto de las ondas electromagnéticas que van desde los rayos
gamma y rayos X hasta las ondas de radio, pasando por el espectro térmico
responsable del calor que percibimos y que no son directamente perceptibles por el
ser humano. Estas formas energéticas pueden reflejarse en la superficie terrestre y
ser capturadas por el sensor del satélite proporcionando información sobre sus
características, tal y como lo hacen las ondas del espectro visible. La energía se
mide en micrómetros.
Formato Ráster: Se caracteriza por la existencia de una red formada por celdas o
cuadrículas, son mayormente conocidas como píxel y representan una cualidad o
propiedad especial (color, altitud, etc.)
Formato TIFF (Tagged Image File Format): Formato de fichero para gráficos de
mapas de puntos. Almacena las imágenes mediante la descripción de información
en bloques o marcas. Cada marca describe un atributo de la imagen o un
desplazamiento desde el principio del fichero hasta una cadena de píxeles.
Formato Vectorial: Representación espacial de los elementos geográficos a partir
de tres estructuras básicas: puntos, líneas y polígonos.
Georreferenciación: Proceso mediante el cual se asigna coordenadas con una
proyección y Datum específicos a un objeto o superficie en el plano en un archivo
ráster (imagen) o vectorial (líneas).
Histograma: Representación gráfica y estadística que ofrece información valiosa
sobre una imagen digital, indica el número de veces que aparece cada Nivel Digital
en la imagen en forma de gráfico, permite leer e interpretar los cambios que se
efectúan a la imagen. Cualquier incremento o disminución del brillo y/o contraste,
tonalidad o color, tamaño, etc., implica una transformación en el histograma.
Instituto de Hidrología, Meteorología y Estudios Ambientales, IDEAM: Es una
entidad del gobierno de Colombia dependiente del Ministerio de Ambiente y
Desarrollo Sostenible. Se encarga del manejo de la información científica,
hidrológica, meteorológica y todo lo relacionado con el medio ambiente.
Instituto Geográfico Agustín Codazzi, IGAC: Es la entidad encargada de producir
el mapa oficial y la cartografía básica de Colombia; elaborar el catastro nacional de
la propiedad inmueble; realizar el inventario de las características de los suelos;
adelantar investigaciones geográficas como apoyo al desarrollo territorial; capacitar
y formar profesionales en tecnologías de información geográfica y coordinar la
Infraestructura Colombiana de Datos Espaciales.
Imagen multiespectral: Producto espacialmente explicito generado por un sensor
remoto mediante la combinación de imágenes que se registran en diferentes
longitudes de onda o bandas espectrales.
Imagen Satelital: Es la representación visual de la información captada por un
satélite artificial. Estos satélites disponen de sensores que les permiten recolectar
información que refleja la superficie terrestre. Una vez que reciben los datos, los
envían de nuevo a la tierra donde son procesados.
Layer stack: Es el apilamiento o unión de bandas de una imagen de satélite, de
tal manera que estén agrupadas en un mismo archivo.
MAGNA – SIRGAS: Marco Geocéntrico Nacional de Referencia, densificación del
Sistema de Referencia Geocéntrico para las Américas. Sistema de referencia oficial
para Colombia. Garantiza la compatibilidad de las coordenadas colombianas con
las técnicas espaciales de posicionamiento, por ejemplo, los sistemas GNSS
(Global Navigation Satellite Systems), y con conjuntos internacionales de datos
georreferenciados.
Metadatos: Describen el contenido, calidad, condición, formato, fechas de
referencia y en el caso de los datos geográficos, además, información sobre
aspectos como cobertura espacial, sistemas de coordenadas y de referencia
geodésica, entre otros.
Nivel Digital (ND): Valor numérico discreto asignado por el sistema formador de
imágenes a cada celda en respuesta a la irradiancia recibida sobre el plano focal
del sensor.
Pansharpened: Producto multiespectral obtenido de la fusión de imágenes
multiespectrales (georreferenciadas y orto-rectificadas) con imágenes
pancromáticas capturadas por el mismo sensor cuyo resultado es una imagen de
mayor resolución espacial. Corresponde a un tipo de sinergismo.
Píxel (Picture Element): Unidad básica de información gráfica que se refiere a cada
uno de los puntos indivisibles que conforman una imagen, es decir, la mínima área
de captura en el formato Ráster. A mayor densidad de píxeles, mayor calidad de
imagen.
Proyección cartográfica: Sistema ordenado que transforma la superficie curva de
la tierra en un plano. Se representa gráficamente en forma de malla.
Radiancia: Flujo de energía (irradiante o incidente) que mide el sensor y depende
en cierta medida de la reflectancia.
Resolución: Capacidad de un sistema sensor para distinguir información de detalle
en un objeto. En teledetección se habla de distintos tipos de resolución: espacial,
espectral, radiométrica y temporal.
Resolución Espacial: Es el tamaño del píxel, en algunos casos se emplea el
concepto de IFOV (campo instantáneo de visión) que se define como la sección
angular (en radianes) observada en un momento determinado, ya que el tamaño del
píxel en una escena es variable incrementándose conforme la distancia aumenta al
punto nadir.
Resolución espectral: Longitudes de onda en las cuales un sensor es capaz de
adquirir información. La fotografía puede ofrecer películas pancromáticas, infrarrojo
blanco negro, color natural o infrarrojo color.
Resolución radiométrica: Cantidad de energía que se puede medir en una escala
radiométrica en el sensor. En el caso de los sistemas fotográficos, la resolución
radiométrica del sensor se indica por el número de niveles de gris recogido por el
mismo. Para evaluar la calidad radiométrica se evalúa un parámetro denominado
“bit number”.
Resolución Temporal: Es el periodo de tiempo en el que un sensor adquiere las
imágenes de un área determinada de la superficie terrestre. Está en función de las
características orbitales y de diseño de la plataforma. Se destacan dos aspectos
como son el Ciclo de Recubrimiento y el Periodo Orbital, el primero corresponde al
tiempo empleado en recorrer la misma área de la tierra y el último aspecto se refiere
al tiempo utilizado para dar una órbita sobre el planeta.
RGB: Sigla en inglés de rojo-verde-azul. Se trata de un sistema de especificación
del color basado en la propiedad aditiva de los tonos primarios que es el
comúnmente utilizado en los sistemas informáticos y en la composición en
verdadero o en falso color de las imágenes espaciales.
Vecino más cercano (Nearest Neighbor): Técnica de remuestreo que toma los
datos del píxel o vecino más cercano para asignar el valor del píxel de salida.
18
1. INTRODUCCIÓN
La teledetección espacial ofrece una amplia alternativa que proporciona información
de toda la superficie del planeta y con mayor frecuencia de actualización, hoy día
está más fácilmente al alcance de cualquier usuario gracias a las plataformas
tecnológicas. Existen gran variedad de estudios alrededor de las imágenes de
satélite, pues se ha encontrado gran utilidad en ellas. En la actualidad se ha
identificado el auge de estas para estudios de multitemporalidad, especialmente en
el cambio de usos del suelo y expansión urbana, dado que, el hombre ocupa y
transforma de distintas maneras el espacio geográfico que lo rodea y con el pasar
del tiempo puede generar dificultades para sí mismo y/o sus generaciones. Por lo
anterior, surge la preocupación y necesidad de estudiar la dinámica y los impactos
que sus modos de expansión y crecimiento producen en el medio.
Uno de los impactos más significativos a nivel global, son los cambios de uso y
coberturas del suelo, entender estos procesos de transformación del paisaje
requieren de describir qué coberturas han cambiado, cuándo y dónde han ocurrido
los cambios. Con base en esta información se pueden identificar las áreas más
propensas a variar y así generar los ajustes necesarios a los planes de
ordenamiento territorial municipal e intervenir de una manera focalizada en el
aprovechamiento de las tierras más acorde a la normatividad, en pro del medio
ambiente y la sociedad.
En Colombia desde 1997, con la promulgación de la ley 388, los planes de
ordenamiento territorial (POT) se han venido constituyendo en los principales
instrumentos reguladores de los usos del suelo a nivel municipal. Esta ley establece
“[…] el conjunto de principios, instrumentos y disposiciones sobre planeación y
gestión territorial con el fin de lograr un ordenamiento físico que promueva el
desarrollo socioeconómico en armonía con la naturaleza […]” (Hernández Gómez
et ál, 2013, p. 258), y, por tanto, incorpora de manera definitiva tanto la dimensión
ambiental como la territorial en la planeación del país. No obstante, aún existen
discordancias entre la aplicación de la ley y la disposición del territorio.
El presente estudio de análisis multitemporal se llevó a cabo usando imágenes
satelitales del área de trabajo, con el fin de conocer las variaciones en el uso del
19
suelo que se ha experimentado en los últimos 30 años y la construcción de
productos temáticos locales detallados, en donde se plasman los resultados
obtenidos. Esto servirá como base para la realización de proyectos que forjen un
desarrollo sostenible de la región.
1.2 Problemática y Justificación
El Departamento de Cundinamarca debido a su ubicación geográfica presenta
variedad de clima, zonas de cultivo, animales consumibles, vías de acceso a las
poblaciones, infraestructura física, una gran dinámica de la industria y sectores
agrícolas altamente tecnificados, que permiten a la región un privilegio en el
contexto económico nacional (Castro M, 2010). Su división administrativa está
compuesta por 116 Municipios agrupados a su vez en 15 provincias las cuales son:
Almeidas, Alto Magdalena, Bajo Magdalena, Gualivá, Guavio, Magdalena Centro,
Medina, oriente, Rionegro, Sabana Centro, Sabana occidente, Soacha, Sumapaz,
Tequendama y Ubaté. Bogotá D.C. es oficialmente su capital.
San Francisco de Sales es uno de los 116 municipios pertenecientes al
departamento de Cundinamarca, es el territorio de clima templado (20°C) más
cercano a la capital. Históricamente su economía ha girado en torno a la agricultura,
siendo esta mayormente de cultivos de café, cítricos y plátano. En las últimas tres
décadas, ha ocurrido un fenómeno muy interesante de cambio en la distribución del
territorio, debido a una serie de eventos políticos, económicos y sociales que han
transformado en gran parte el uso del suelo Sanfrancisqueño1, por tal razón y en
busca del beneficio de sus habitantes, hubo una transición conjunta a la ganadería
y en pequeña escala a la explotación de canteras. Sus suelos, han sido sometidos
reiteradamente a intensas actividades agropecuarias trayendo como consecuencia
degradación y contaminación. Adicionalmente, han sido cubiertos
1Durante la década de los noventa la competitividad de la caficultura colombiana estuvo comprometida por el proceso de envejecimiento de sus cultivos. Dicho proceso puede explicarse por la caída en las cotizaciones internacionales del café como efecto del rompimiento del pacto internacional de cuotas en 1989 y la llegada de la plaga más importante que afecta el café, la Broca (Hypothenemus Hampei). Situación que se trasladó a las familias cafeteras a través de una disminución de los ingresos promedio derivados de la actividad. (Guarín Nuñez, 2010).
20
desordenadamente como secuela de la expansión poblacional y el desplazamiento
forzado al que ha sido sometido el departamento de Cundinamarca y que
incrementó a comienzos de los años noventa, gracias a su importante actividad
económica y su cercanía con Bogotá D.C. (Fondo de Inversión para la Paz, 2001).
Como consecuencia de los sucesos anteriores y sumado a la falta de apoyo
gubernamental, la creciente demanda de bienes y servicios, el desconocimiento de
las funciones e importancia del suelo y de alternativas para su recuperación, la falta
de procesos de planeación y de ordenamiento del territorio que no tuvieron en
cuenta las características de los usos de este para su correcto aprovechamiento, la
desarticulación institucional y la carencia de normas e instrumentos para la gestión
sostenible del suelo, han hecho que se presente una grave degradación de los
suelos, que empeora con el pasar de los años.
El uso del suelo es un factor fundamental en el sustento de la sociedad y el ser
humano, dado que es el elemento principal de las estructuras ecológicas y los
ecosistemas. El manejo adecuado de este es de vital importancia para el éxito de
las políticas ambientales y territoriales. Es aquí, donde el análisis multitemporal
entra a jugar un rol importante, dado que, por medio de este se permite detectar
cambios entre diferentes fechas de referencia, pudiendo deducir la evolución del
medio natural o las repercusiones de la acción humana sobre este (Chuvieco E. ,
1995). Sumado a lo anterior, el complementar con el uso de una base de datos
geográfica integrada y la incorporación e integración de la matriz de transición
formulada por Pontius et ál. (2004), permiten identificar y analizar, en forma
espaciotemporal, las modificaciones y cambios ocurridos dentro de un periodo
determinado para el área de estudio. Es así, como en este trabajo se usarán
herramientas y técnicas de teledetección y SIG que son de valiosa ayuda para
obtener una valoración del territorio y poder llevar a cabo acciones de recuperación,
mitigación y/o corrección en este.
21
1.2 Objetivos
El objetivo principal de este trabajo es identificar la distribución espacial y analizar
la dinámica de cambio del uso del suelo mediante un análisis multitemporal en el
municipio de San Francisco de Sales, Cundinamarca, que permita mostrar los
diferentes fenómenos que han afectado esta región en las últimas tres décadas.
Los objetivos específicos que permitirán alcanzar el objetivo principal son:
- Aplicar clasificaciones supervisadas para identificar los tipos de cobertura
presentes en el área de estudio, de acuerdo con la metodología Corine Land
Cover adaptada para Colombia.
- Definir la Matriz de transición para puntualizar qué usos presentan pérdida,
ganancia o permanecen en este periodo de tiempo.
- Construir una base de datos geográfica a partir de la información consultada
y obtenida para este estudio.
22
2. MARCO TEÓRICO
2.1 Percepción Remota
Teniendo en cuenta las diferentes definiciones encontradas en la literatura, se
resalta la certeza que aporta González y Dalannais (1976) al denotarla claramente
como una de las actividades más antiguas del hombre: “reconocer a distancia”.
Ahora, en una aproximación más puntual Lillesand & Kiefer (1994, p. 1) señalan la
percepción remota como la ciencia y arte de obtener información de un objeto sin
que exista contacto directo entre él y el sensor. Ya en este punto, se ha observado
cómo se emplean términos como sensor remoto, teledetección o como se ha
expresado recurrentemente percepción remota de forma similar y si quiere como
sinónimos, tal como lo expresan Velasco et ál. (2015), para definirlas como el uso
de tecnologías de sensores aéreos en la detección de objetos sobre la tierra bien
sea a nivel terrestre, oceánico o atmosférico mediante el análisis de señales de la
radiación electromagnética propagada. Richards y Jia (2006), añaden que esta
técnica permite adquirir información espacial, temporal y espectral de una entidad
sin tener contacto físico con ella. Agrupando lo mencionado con anterioridad,
Chuvieco (1990, p. 27) señala:
Si hemos definido la teledetección espacial como aquella técnica que permite
adquirir imágenes de la superficie terrestre desde sensores instalados en
plataformas espaciales, estamos suponiendo que entre la Tierra y el sensor
existe una interacción energética, ya sea por reflexión de la energía solar o de
un haz energético artificial, ya sea por emisión propia.
El origen de la percepción remota, como precisa González y Dalannais (1976) se
remonta al hombre primitivo ante la necesidad de alimentarse y sobrevivir a los
peligros que el entorno le ofrecía y que ante su limitada capacidad sensorial se vio
obligado a crear instrumentos o sensores para ampliarla y cuya finalidad es
complementar su capacidad de percepción. Dichos sensores han tenido una
evolución importante enmarcada en dos técnicas: la fotografía y la navegación
aérea en globos. Complementando estos hechos Velasco et ál. (2015), resumen
que el sensor remoto moderno tiene su inicio en el siglo XX con la fotografía aérea
y que su nacimiento en el espacio se dio hacia 1957 con el lanzamiento del satélite
23
Sputnik, finalmente para el año 1969 tuvo lugar la primera experiencia de fotografía
orbital multiespectral aplicado al estudio de recursos del planeta. Adicionalmente
también se señalan los 3 hechos más importantes en la evolución de la percepción
remota como lo son: aparición de la fotografía y el desarrollo posterior de sensores
con la capacidad de captar y procesar radiación electromagnética; el paso de
imágenes analógicas a digitales; y el avance en telecomunicaciones. En estos
aspectos, autores como Arredondo y Rodriguez (2005), coinciden y además
resaltan que posterior al lanzamiento de la misión del Sputnik se dio comienzo a
una serie de misiones para la exploración del planeta, se destacan los satélites de
la serie TYROS y APOLO que hacia los años 70 y fruto de varias experiencias se
dio el lanzamiento de la serie ERTS, comúnmente reconocido como LANDSAT.
Después de esto, vinieron nuevas misiones gracias a los aceptables resultados,
entre los programas más conocidos se pueden mencionar a los satélites
correspondientes de SPOT, MOS1 y MODIS, y específicamente para el caso de
estudio se tiene la serie de satélites del sistema Sentinel.
Finalmente, y haciendo un paralelo frente a las anteriores misiones, es importante
destacar los avances que a la fecha se han dado tanto a nivel tecnológico como a
nivel de adquisición de la información. De acuerdo con esto, GeoSpatial (2013)
divide las imágenes adquiridas por los satélites en dos grupos: ópticas y de radar y
al mismo tiempo las clasifica según su resolución espacial como alta (pixel inferior
a 1 metro) y media (pixel mayor a 1 metro). De este modo, dentro de las imágenes
ópticas de alta resolución se pueden mencionar los productos obtenidos de la familia
de satélites WorldView (1, 2 y 3), QuickBird, GeoEye-1, IKONOS, TripleSat,
KOMPSAT (2 y 3), EROS (A y B), DEIMOS 2, GF-2, Superview-1, JILIN y GAOFEN
(6 y 7). De los satélites anteriores se resalta: la resolución espacial alcanzada de
0.3 m en pancromático del WorldView 3 el cual se lanzó en 2014; la capacidad de
EROS B para colectar imágenes en la noche; la resolución espacial de 0.5m del
SuperView-1 sin necesidad de re muestrear los datos; el DEIMOS 2 que se lanzó
en 2014 fue el segundo satélite español que se envió al espacio; el JILIN finaliza su
periodo de funcionamiento en 2020; el lanzamiento del GAOFEN-7 se hizo en 2019.
Continuando con la clasificación dada por GeoSat, se tienen las imágenes ópticas
de media resolución, en donde, se encuentran los satélites de la constelación ALOS
24
(PRISM y AVNIR-2 finalizaron su misión en 2011), TH (1 y 2; siendo el 1 el primer
satélite español enviado al espacio en 2009) y DEIMOS-1.
Respecto de las imágenes de radar en alta resolución, se encuentran los satélites
GAOFEN-3, primer satélite civil de imágenes polarimétricas SAR; Kompsat-5 el
primer satélite de radar lanzado por Corea en 2013 y Capella lanzado en agosto de
2020, el cual sobresale por ser la última generación de microsatélites en banda X y
por su naturaleza permite la adquisición de imágenes sin importar el clima ni la hora
del día. En resolución media se destaca ALOS con su sensor PALSAR.
En cuanto a la disponibilidad de las imágenes, cabe recordar que, estas se
encuentran en un entorno comercial, en donde, los productos se entregan con un
determinado nivel de procesamiento que puede ser básico, estándar y
ortorectificado, como es el caso de las imágenes ópticas. En cambio, con las de
radar se pueden encontrar productos básicos, georreferenciados y con correcciones
radiométricas.
Por otro lado, en el contexto de las misiones actuales, es importante resaltar un
proyecto denominado SAOCOM 1A y 1B, el cual fue desarrollado por la Comisión
Nacional de Actividades Espaciales (CONAE) en conjunto con la Agencia Espacial
Italiana (ASI). Los satélites SAOCOM junto a la constelación Italiana COSMO-
SkyMed integraran el sistema Ítalo Argentino de satélites para la Gestión de
Emergencias (SIASGE). SAOCOM es el satélite SAR en banda L con mayor
desempeño que existe hasta la fecha. Su resolución espacial es de 10 a 100 metros,
la constelación presenta una revisita de 8 días y se diseñó principalmente para
generar mapas de humedad del suelo (INVAP, 2018). Según Esperbent y Migliorati
(2018), SAOCOM 1A está en órbita desde 2018 y SAOCOM 1B se lanzó
recientemente en agosto de 2020, esta constelación de satélites cuenta con la
capacidad de brindar información que servirá para prevenir, monitorear, mitigar y
evaluar catástrofes naturales; además, de los ya conocidos aportes sobre la
humedad del suelo y su disponibilidad e índices de vegetación, se suma la
aplicación en alertas de inundaciones, incendios y enfermedades en el ámbito
agrícola. Cabe mencionar que, Argentina ya había lanzado otros satélites de índole
académica (SAC-B en 1996, SAC-A en 1998, SAC-C en 2000 y SAC-D en 2011) y
25
de comunicación (ARSAT-1 y 2 en 2015); siendo así SAOCOM el primero para la
observación ambiental y de mayor desarrollo tecnológico hasta la fecha.
Concluyendo, se tienen gran variedad de opciones para la adquisición de
información mediante la percepción remota, su evolución ha venido de la mano con
los desarrollos que se dan en todas las ciencias que le aportan, de esta manera, así
como crece la oferta de productos derivados de las imágenes, también se crean
nuevas herramientas para acceder y almacenar la información. Tanto empresas
como los mismos operadores de los satélites, han diseñado a través de la web
diferentes recursos como visores, aplicativos, catálogos, etc., para hacer más fácil
el acceso a sus productos, incluso es posible solicitar imágenes de sitios específicos
mediante un servicio denominado programación de la escena. Actualmente las
imágenes tienen más frecuencia, son más oportunas y su calidad aumenta, es decir,
la oferta aumentó y también las facilidades para acceder a las imágenes. Así mismo,
aparece un conflicto con respecto al almacenamiento y tratamiento de las mismas;
en cuanto al primer aspecto, se cuenta con ordenadores y dispositivos con amplia
capacidad y adicionalmente se puede almacenar la información en servidores a
través de internet, lo que es conocido comúnmente como almacenamiento en la
nube. De otro lado, para resolver el tratamiento de las imágenes, como se mencionó
antes, los productos se entregan con niveles de procesamiento de acuerdo a las
necesidades de los usuarios.
2.2 Estudios Multitemporales
De acuerdo con Riaño (2002) el estudio de los cambios que se producen en la
superficie terrestre es uno de los aportes más importantes de la percepción remota
que permite hacer el seguimiento de este tipo de procesos dinámicos. Dicho aporte,
según Blasi et ál. (2003), se conoce como análisis o estudio multitemporal, el cual
permite interpretar las dinámicas de un territorio, mediante la comparación de
información de diferentes épocas con el propósito de determinar la localización y
tipo de cambio en el tiempo. Para Di Somma y Smiraglia (2009), este tipo de análisis
es considerado como un método eficaz para obtener una visión orgánica y completa
del proceso evolutivo de un territorio. Según Riaño (2002) la detección de cambios
o el análisis multitemporal radica en determinar las diferencias en el estado de un
26
fenómeno mediante información adquirida en diferentes épocas. Chuvieco (1990),
define los estudios Multitemporales como análisis espaciales elaborados a partir de
la comparación de coberturas interpretadas en imágenes de satélite de un mismo
lugar para distintos periodos con el fin de evaluar los cambios en las mencionadas
coberturas.
Riaño (2002) resalta como condición fundamental que el sensor proporcione
cobertura periódica, en las mismas bandas espectrales y bajo condiciones similares
(altura, hora, ángulo de adquisición) para la elaboración de estudios multitemporales
con percepción remota. Adicionalmente menciona las etapas para realizar un
estudio de detección de cambios a partir del uso de imágenes de satélite: definición
del área de estudio y leyenda temática a emplear de acuerdo con la superficie de
interés, posteriormente señala las consideraciones relevantes en cuanto al sistema
de percepción remota o sensor (resolución temporal, espacial, espectral y
radiométrica) y las relacionadas con el ambiente (condición atmosférica,
condiciones de la superficie terrestre y ciclos fenológicos). Respecto al
procesamiento de las imágenes para extraer información de los cambios, destaca
la adquisición adecuada de datos, pre procesamiento de las imágenes satelitales
(corrección geométrica y homogenización radiométrica), la selección del algoritmo
para la detección de cambios, clasificación digital de la imagen, empleo de software
de procesamiento espacial para la detección de cambios, generación de productos
asociados y por último la presentación de resultados.
En cuanto a las técnicas de análisis multitemporal o de detección de cambios
Eastman et ál. (1994) precisan que, la técnica varía dependiendo si la imagen
empleada es continua o categorizada. De este modo, para el caso de las continuas
se han de emplear técnicas cuantitativas, entre las que destaca: diferencias,
regresión, componentes principales, entre otras. Si la imagen es categorizada, es
decir, imágenes previamente clasificadas, la técnica utilizada se dará mediante
tablas de contingencia.
27
2.3 Matriz de Transición
Ilustración 1: Matriz de transición para dos mapas de diferente fecha
Fuente: Pontius, et al. (2004)
La matriz de transición Pontius et ál. (2004) la definen como aquella que resulta de
cruzar dos mapas de diferente fecha, también se le conoce como matriz de
tabulación cruzada. De acuerdo con López y Plata (2009) en dicha matriz
(Ilustración 1) las filas representan las categorías del mapa en el tiempo 1 (T1) y las
columnas las categorías del mapa en el tiempo 2 (T2).
Las áreas (P) que no sufrieron cambios, es decir, las zonas estables (persistencias)
entre T1 y T2, se presentan en la diagonal principal de la tabla (Pjj); los elementos
fuera de la diagonal principal corresponden a las transiciones ocurridas entre
categorías; la fila Total T2 (fila 6) indica el área total que ocupa cada clase en T2
(P+n), mientras que la columna Total T1 (columna 6) representa el área total de
cada categoría en el tiempo T1 (P+n).
De esta manera, la fila 7, denominada ganancia bruta (Gij), indica la proporción del
paisaje que experimentó un aumento entre el tiempo 1 y el tiempo 2, es decir, la
diferencia entre la columna de totales de la fila 6 y lo que permaneció estable. En lo
que respecta a la columna 7, ésta corresponde a la pérdida bruta (Lij) que tuvo cada
categoría entre T1 y T2, es decir, la diferencia entre Total T1 y los valores de la
diagonal principal.
El dato, denominado “persistencia”, se presenta en la diagonal principal de la matriz
y además es importante para el cálculo de dos tipos de cambios: las ganancias y
las pérdidas. Como se mencionó, estos datos sirven para el cálculo del intercambio,
28
pero además para conocer el valor del “cambio total”, el cual es el resultado de la
suma entre las ganancias y las pérdidas, es decir, DTj = Gij + Lij. Estos datos
permiten dimensionar el verdadero cambio sufrido por cada una de las categorías y
saber si un paisaje es estable o está sufriendo cambios.
2.4 Uso de Suelo
Se entiende como la ocupación de este por cualquier actividad. Resultan ser una
fiel expresión de las relaciones entre el ser humano y el medio que lo rodea. Se
puede decir que en el paisaje se lee la historia (Sancho et ál., 1993). Según la
Dirección General de Calidad y Evaluación Ambiental (DGAEA), los usos del suelo
permiten identificar como es la dinámica de un territorio y su evolución, además,
esta variable es utilizada también como indicador ambiental: “… las actividades
humanas ejercen presiones sobre el medio y cambian su calidad y la cantidad de
los recursos naturales. La sociedad responde a esos cambios mediante políticas
ambientales, sectoriales y económicas...” (DGAEA, 1996).
2.5 Coberturas de la tierra De acuerdo con el IDEAM (1997) se definen como las diferentes clases de
vegetación que existen en un área determinada. Sus características están definidas
por las condiciones climáticas, topográficas, edáficas, socioeconómicas y culturales
propias de cada lugar. Es así, como se ha podido hacer diferencia entre los términos
cobertura y uso de la tierra, puesto que anteriormente se usaban como sinónimos.
Entonces, puede decirse que, el uso del suelo es la utilidad que presta determinado
tipo de cobertura al ser humano.
2.6 Metodología Corine Land Cover
A partir de lo presentado por Mateo et ál. (2008) el programa CORINE surgió de
manera experimental en 1985 y cuyo objetivo principal fue obtener y mantener
actualizada información perteneciente a la cobertura y uso del suelo en el continente
Europeo, todo lo anterior seria almacenado en una base de datos alfanumérica y
geográfica con un nivel de detalle para una escala 1:100.000. Este programa busca
la mejor forma para que la información sobre el estado del medio ambiente y los
recursos naturales sea recolectada en un modo coordinado y homogéneo.
29
Producto de este programa, entre 1985 y 1990, se dio la necesidad de desarrollar
un sistema de información medioambiental para el que se estableció nomenclaturas
y metodologías aprobadas en común acuerdo con los países de la comunidad
europea en lo relacionado a la ocupación del suelo. Respecto a las metodologías
mencionadas Suárez-Parra et ál. (2016), señalan que la metodología Corine Land
Cover (CLC) tuvo un origen francés donde su objetivo fundamental deriva del
programa CORINE y se realiza mediante análisis e interpretación de imágenes
satelitales logrando de esta forma evaluar las coberturas de la tierra. Esta
metodología busca el conocimiento de sus recursos naturales, evaluar las formas
de ocupación y apropiación del espacio geográfico y finalmente mantener
actualizada la información de la dinámica de las coberturas terrestres.
La metodología CLC fue adapta para Colombia por el IGAC, IDEAM Y
CORMAGDALENA en compañía de profesionales del instituto Geográfico Nacional
de Francia (IGNF) en el año 2008 mediante un proyecto Piloto para estandarizar el
sistema de clasificación que concluyo con la elaboración de LA LEYENDA
NACIONAL DE COBERTURA DE LA TIERRA; al respecto Martínez Vega (1996)
menciona que la nomenclatura establecida para todos los territorios en cuanto a
mapas de ocupación del suelo estará conformado por 44 clases, divididas
estructural y jerárquicamente en 3 niveles; en donde cada país desarrolla la
nomenclatura en función de sus características paisajísticas y medioambientales
propias de su territorio.
2.7 Programa LANDSAT
Ilustración 2: Cronología del Programa LANDSAT
Fuente: https://landsat.gsfc.nasa.gov/a-landsat-timeline/
30
El primer satélite del Proyecto LANDSAT se puso en órbita en julio de 1972 en
principio identificado dentro de la serie ERTS (Earth Resource Technollogy
Satellite), por su sigla en inglés, esto de acuerdo a Chuvieco (2008), posteriormente
y hasta la fecha se ha denominado como LANDSAT, con 8 lanzamientos más
(Ilustración 2),
Tabla 1 Características LANDSAT 4- TM Thematic Mapper
Disponibilidad Lanzamiento 16/07/1982
Fin de trasmisión 1993 Desmantelamiento 15/06/2001
Resolución
Espacial 30 m (120m Banda 6)
Temporal 16 días 9:45 hora solar +/- 15 minutos
Espectral 7 bandas (3 Rango Visible-4 Infrarrojo)
Radiométrica 8 bits Ancho de Barrido 185 km
Característica orbital Inclinación 98.2°
Orbita Helio síncrona, polar Altura de vuelo 705 km Periodo Orbital 98.9 minutos – 14.5 orbitas/día
Instrumentos TM Thematic Mapper
MSS Multispectral Scanner
Fuente: Elaboración de la autora a partir de información de la USGS y la NASA
Como se explicará en la recopilación de la información, la adquisición de la imagen
satelital para la época de 1988 resulto en una imagen procedente del LANDSAT 4
TM, por esta razón se hace una mención de éste en donde se indica sus
características más representativas (Tabla 1), de acuerdo con el United States
Geological Survey (USGS) su lanzamiento en 1982 es destacado por las mejoras
en su diseño y en el uso del mapeador temático (TM) dentro de sus instrumentos a
31
bordo (USGS a, 2018) y adicionalmente la National Aeronautics and Space
Administration (NASA) resalta la eliminación de las cámaras de video o RBV
instrument (NASA, 2019).
2.7.1 Thematic Mapper TM
El Mapeador Temático es un escáner multiespectral avanzado, para el monitoreo
de recursos naturales, este es un sensor de tipo opto-mecanico con rango espectral
que va de 0.45 a 12.5 μm (NASA, 2019) este instrumento cuenta con mejor
resolución espectral y espacial respecto al sensor MSS, permitiendo ver la cobertura
superficial con mejor detalle e incluye una banda termal. Presenta 7 bandas
espectrales con resolución espacial de 30 metros excepto la banda 6 que es de 120
metros y su lente logra un ancho de barrido de 185 km (USGS a, 2018).
2.8 Sentinel
Los satélites Sentinel (1 a 6) fueron desarrollados para la recolección de información
terrestre mediante teledetección en el marco del programa Copernicus de la
Comisión Europea (USGS b, 2018). Según la Agencia Espacial Europea (ESA), por
sus siglas en inglés, cada Misión de Sentinel está enfocada a diferentes aspectos
de observación terrestre: Atmosférica, Oceánica y monitoreo de la superficie (ESA
b, 2020).
La imagen seleccionada para el análisis multitemporal en 2018, corresponde a la
misión de Sentinel 2, razón por la cual se amplía respecto a esta última: Esta misión
tiene como objetivo el monitoreo de la superficie mediante el uso de 2 satélites,
separados 180°, con orbita helio síncrona (Tabla 2) que entregan como resultado
imágenes en alta resolución, se estima una vida útil de mínimo 7 años, un hecho
destacable es su tiempo de revisita de 5 días al combinar la constelación de satélites
en la zona ecuatorial siempre y cuando haya condiciones de baja nubosidad (ESA
b, 2020)
Tabla 2 Características SENTINEL 2- MSI MultiSpectral Instrument
Disponibilidad
Lanzamiento 23/06/2015 (Sentinel 2A) 07/03/2017 (Sentinel 2B)
Resolución
32
Espacial 10 m (Bandas 2,3,4,8)
20 m (Bandas 5,6,7,8a,11,12) 60 m (Bandas 1,9,10)
Temporal 10 días 10:30 hora local
Espectral 13 bandas (4 Rango Visible-9 Infrarrojo)
Radiométrica 12 bits Ancho de Barrido 290 km
Característica orbital Inclinación 98.62°
Orbita Helio síncrona Altura de vuelo 786 km Periodo Orbital 100.6 minutos
Instrumento MSI MultiSpectral Instrument
Fuente: Elaboración de la autora a partir de información de la USGS y ESA
2.8.1 Multispectral Instrument
Este sensor utiliza el concepto de escobilla (push broom) para la adquisición de las
imágenes en 13 bandas con un rango espectral que va de 443 nm a 2190 nm. 4 de
estas con resolución espacial de 10 metros, 6 con 20 metros y 3 de 60 metros, sus
principales aplicaciones están dadas para el monitoreo de agricultura, bosques,
detección de cambios en el uso y cobertura del suelo, mapeo de variables biofísicas,
monitoreo de las costas así como aguas internas y el mapeo de riesgos y desastres
(ESA a, 2020)
2.8.2 Nivel de Procesamiento
Los productos obtenidos del Sentinel 2 son distribuidos con valores de reflectancia
en el techo de la Atmosfera TOA, se ha denominado Level-1C, este proceso incluye
correcciones radiométricas y geométricas junto con la ortorectificación (USGS b,
2018).
33
2.8.2.1 Reflectancia en el Techo de la Atmósfera (TOA)
Según describe Cogedo (2016), permite combinar la reflectancia de la superficie y
la reflectancia atmosférica, para reducir la variabilidad inter-imagen a través de una
normalización de la irradiancia solar. Esta reflectancia TOA (𝜌𝑝), la cual es la ratio
de la energía reflejada con respecto al total de la energía incidente (USGS a, 2019),
puede ser calculada como:
ρρ =π ∗ Lλ ∗ d2
ESUNλ ∗cos cos θs
Donde:
Lλ = Radiancia espectral en el sensor (Radiancia en el satélite)
𝑑 = Distancia Tierra-Sol en Unidades Astronómicas (la cual se encuentra en el
archivo de metadatos)
𝐸𝑆𝑈𝑁𝜆 = Irradiancia Media Solar exo-atmosférica
𝜃𝑠 = Angulo zenital solar en grados, el cual es equivalente a: 𝜃𝑠 = 90° - 𝜃𝑒 donde 𝜃𝑒
es la elevación solar.
Las imágenes Sentinel-2 se distribuyen ya con valores de reflectancia TOA
escalados, los cuales pueden ser convertidos a reflectancia TOA con un cálculo
simple utilizando el Valor de Discretización provisto en los metadatos (ESA b, 2015).
2.8.2.2 Corrección Dos
Dark Object Substraction (DOS) o substracción de objeto oscuro es una familia de
correcciones atmosféricas basadas en imagen, este procedimiento es conocido
como el Método de Chávez o substracción de píxeles oscuros, el cual toma la
reflectancia aparente como resultado de la dispersión atmosférica y ajusta la imagen
respecto a los valores inferiores de reflectancia explica Cogedo (2016) y
adicionalmente resalta que las imágenes Sentinel son convertidas a radiancia antes
de realizar la corrección DOS.
Chávez (1996) la describe de la siguiente forma: La suposición básica es que en la imagen algunos píxeles están completamente en
sombra, y sus radiancias recibidas en el satélite se deben a la dispersión atmosférica
34
(efecto bruma). Esta suposición es combinada con el hecho de que muy pocos
elementos en la superficie de la Tierra tienen un color negro absoluto, por lo tanto, una
reflectancia asumida de uno por ciento es mejor que un cero por ciento. Es importante
mencionar que la exactitud de las técnicas basadas en imagen es generalmente menor
que las correcciones basadas en medidas físicas, pero son muy útiles cuando no están
disponibles mediciones atmosféricas que puedan mejorar la estimación de la
reflectancia de la superficie terrestre (p. 1027).
3. LOCALIZACIÓN DEL ÁREA DE ESTUDIO
San Francisco de Sales está ubicado en la Provincia del Gualivá en el centro del
Departamento de Cundinamarca. Su extensión total es de 118,2 Km², la altitud de
la cabecera municipal es 1.520 msnm. Limita al Norte con los municipios de La Vega
y Supatá, al Oriente con los municipios de Subachoque y El Rosal, al Sur con el
municipio de Facatativá. Occidente: Municipio de La Vega. (Alcaldía Municipal de
San Francisco Cundinamarca, Acuerdo Municipal No. 012 de 2016 )
Ilustración 3: Ubicación Geográfica
Fuente: Elaboración de la Autora
35
El municipio se encuentra a un costado de la principal vía de acceso a Bogotá D.C
por el occidente del país, ubicado a 56,4 Km de esta. Constituyendo el municipio de
clima templado más cercano a la capital, presenta una temperatura promedio de
20ºC en la mayor parte del territorio, con una precipitación media anual de 1.493
mm lo cual lo hace un lugar atractivo para el turismo y recurso hídrico. San Francisco
presenta un relieve montañoso, destacándose los fenómenos orográficos como los
altos de la Clavija, Mapura, Redondo y Yaqué; también la cordillera de la Cabrilla,
los Cerros de Buenavista y el Peñón. Ilustración 4: División Política
Fuente: Elaboración de la Autora a partir de información del Consejo Municipal de San Francisco
Cundinamarca (Acuerdo Municipal No. 21 de 1999 )
36
4. METODOLOGÍA
Se establecieron las fases necesarias para la ejecución del proyecto, el cual estuvo
basado principalmente en un análisis multitemporal con imágenes satelitales y
software especializados como QGIS, ARGIS y ENVI para la obtención de los datos
necesarios en la identificación de cambios en el uso del suelo, como consecuencia
de la evolución del medio natural o las repercusiones de la acción humana sobre
este último.
A continuación, se presenta el resumen metodológico de trabajo basado en la
entrada, proceso y salida de datos e información (Ilustración 5) utilizados en el
desarrollo de este trabajo; seguido de la descripción en detalle de los
procedimientos.
37
Ilustración 5: Resumen Metodológico
Fuente: Elaboración de la autora
Recopilación de Información
Tratamiento Digital de las Imágenes
Procesamiento de la Información
Generación de Información
Verificación de Resultados
Resultados
-Cartografía Base -EOT -Estudios Preliminares -Visitas de Campo
Adquisición de Imágenes: -Landsat 4TM (1988) -Sentinel-2MSI (2018)
Corrección radiométrica y atmosférica
Definición de la escala de trabajo.
Composición de bandas
Generalización de la información (Interpretación/
edición)
Clasificación supervisada
Selección de campos de entrenamiento
Clases y niveles de desagregación CLC
Editar/evaluar firmas espectrales
Conflicto de uso de suelos
Validación de la clasificación
1988
Visita de campo y toma de
fotografías 2018
Conversión a formato vectorial
Fragmentación del área de estudio
Determinación de cambios y
permanencias (Matriz de transición)
Mapa de coberturas CLC 1988 y 2018
Análisis de resultados
38
4.1 Recopilación de la Información
Se lleva a cabo con el fin de corroborar la información inicial disponible de la zona
de estudio y recopilar los elementos necesarios para llevar a buen término la tesis
y evitar redundancia en la información. La búsqueda se hizo inicialmente en las
bases de datos de corporaciones y entidades estatales como el IGAC, IDEAM,
CORMAGDALENA, la Gobernación de Cundinamarca, entre otros, quienes ponen
a disposición del público la información que les concierne a través de sus páginas
web oficiales y de forma gratuita en su mayoría.
Posteriormente se hizo la búsqueda, selección y adquisición de las imágenes
satelitales de acceso libre y gratuito para las épocas de interés con path 8 y row 57,
las cuales se obtuvieron desde el servicio web Earth Explorer del Departamento
Geológico de los Estados Unidos de Norte América- USGS (Ilustración 6). Para la
elección de las imágenes, se verificó que posean características climáticas
equivalentes y de esta manera asegurar que las firmas espectrales de las
coberturas presentes tengan un comportamiento similar. De acuerdo a lo
mencionado y por el bajo cubrimiento de nubes, se eligieron Enero (2018) y Marzo
(1988) para llevar a cabo el estudio, dado que, según Climate-Data (2020) San
Francisco presenta un régimen de lluvias con precipitaciones significativas la
mayoría de los meses y una estación seca corta entre Julio y Agosto.
39
Ilustración 6: Escena de imágenes descargadas
Fuente: https://earthexplorer.usgs.gov/
En la Tabla 3, se enlistan los insumos utilizados en este estudio:
Tabla 3 Insumos
Insumo Escala Formato Fuente Cartografía Base/Limites
Municipales 1:100.000 Shape IGAC
Memoria Técnica Uso actual y
cobertura vegetal año 1993. No Aplica PDF
Gobernación de
Cundinamarca
Planchas de Unidades de uso de
suelo y coberturas 1993 1:25.000 PDF
Gobernación de
Cundinamarca
Leyenda Nacional de Coberturas
de La Tierra. Metodología Corine
Land Cover Adoptada Para
Colombia Escala 1:100.000.
No Aplica PDF
IDEAM,
CORMAGDALE
NA, IGAC.
40
Insumo Escala Formato Fuente
Informe Técnico sobre la
elaboración y edición de la
cartografía digital de la
clasificación del suelo y los usos
del suelo rural de conformidad con
el plan de ordenamiento territorial
para los municipios del
departamento de Cundinamarca.
No Aplica PDF Gobernación de
Cundinamarca
Usos propuestos del suelo de
conformidad con el plan de
ordenamiento territorial para los
municipios del departamento de
Cundinamarca.
1:100.000 Shape Gobernación de
Cundinamarca
Acuerdo No 21 de 1999 Esquema
de Ordenamiento Territorial. San
Francisco, Cundinamarca
No Aplica PDF
Consejo
Municipal-
Oficina De
Planeación
Municipal
Acuerdo Municipal No. 012 de
2016 -Plan de Desarrollo "Súmate
al Cambio 2016-2019"
No Aplica PDF
Alcaldía
Municipal de San
Francisco
Cundinamarca
Imágenes Satelitales
Landsat 4 30 m Raster USGS
(LT04_L1TP_008057_19880322)
Sentinel 2 10, 20 y 60
m Raster USGS
(S2B_MSIL1C_20180124T152629
Fuente: Elaboración de la autora
41
Las características de las imágenes utilizadas se muestran en la Tabla 4 y Tabla 5:
Tabla 4: Resoluciones del sensor Landsat 4 Fecha de captura 22/03/1988
Nombre Archivo Bandas Landsat 4 Longitud de
Onda (micrómetros)
Resolución (metros)
LT04_L1TP_008057_19880322_20170209_01_T1_B1 Banda 1 - Azul 0.45 - 0.52 30
LT04_L1TP_008057_19880322_20170209_01_T1_B2 Banda 2 - Verde 0.52 - 0.60 30
LT04_L1TP_008057_19880322_20170209_01_T1_B3 Banda 3 - Rojo 0.63 - 0.69 30
LT04_L1TP_008057_19880322_20170209_01_T1_B4
Banda 4 - Infrarrojo Cercano (NIR) 0.76 - 0.90 30
LT04_L1TP_008057_19880322_20170209_01_T1_B5 Banda 5 - SWIR 1.55 - 1.75 30
LT04_L1TP_008057_19880322_20170209_01_T1_B6
Banda 6 - Infrarrojo Térmico 10.40 - 12.50
120 (remuestreada
a 30) LT04_L1TP_008057_19880322
_20170209_01_T1_B7 Banda 7 - SWIR 2.08 - 2.35 30
Fuente: www.usgs.gov/landsat
Tabla 5: Resoluciones del sensor Sentinel-2 Fecha de captura 24/01/2018
Nombre Archivo Bandas Sentinel-2
Longitud de Onda Central (micrómetros)
Resolución (metros)
RT_T18NWL_20180124T152629_B01 Banda 1 - Coastal aerosol
0.443 60
RT_T18NWL_20180124T152629_B02 Banda 2 - Azul 0.490 10
RT_T18NWL_20180124T152629_B03 Banda 3 - Verde 0.560 10
RT_T18NWL_20180124T152629_B04 Banda 4 - Rojo 0.665 10
RT_T18NWL_20180124T152629_B05 Banda 5 - Vegetation Red Edge
0.705 20
RT_T18NWL_20180124T152629_B06 Banda 6 - Vegetation Red Edge
0.740 20
RT_T18NWL_20180124T152629_B07 Banda 7 - Vegetation Red Edge
0.783 20
42
Nombre Archivo Bandas Sentinel-2
Longitud de Onda Central (micrómetros)
Resolución (metros)
RT_T18NWL_20180124T152629_B08 Banda 8 - NIR 0.842 10
RT_T18NWL_20180124T152629_B08A Banda 8A - Vegetation Red Edge
0.865 20
RT_T18NWL_20180124T152629_B09 Banda 9 -
Water vapour
0.945 60
RT_T18NWL_20180124T152629_B10 Banda 10 -
SWIR - Cirrus
1,375 60
RT_T18NWL_20180124T152629_B11 Banda 11 - SWIR 1,610 20
RT_T18NWL_20180124T152629_B12 Banda 12 - SWIR 2,190 20
Fuente: https://scihub.copernicus.eu.
Para la estandarización de las variables espaciales, y en cumplimiento con la
normatividad nacional adoptada para Colombia por el Instituto Geográfico Agustín
Codazzi-(IGAC), se aplicó a toda la cartografía temática la referencia espacial
MAGNA SIRGAS, que garantiza la compatibilidad con las técnicas espaciales de
posicionamiento y las normas internacionales de datos georreferenciados.
Tabla 6: Registro de Parámetros Geodésicos
DATUM MAGNA SIRGAS Elipsoide de Referencia GRS80
Semieje mayor 6 378 137
Relación de achatamiento 1/298,257222101
Datum de Altitud Buenaventura
Resol. y unidades de distancia 0,001 m
Factor de Escala 1
Falso Este 1’000.000
Falso Norte 1’000.001
Fuente: Elaboración de la autora a partir de información del IGAC
Con la información seleccionada y recopilada, se procedió a constituir la base de
datos geográfica para el posterior procesamiento de los insumos que la componen,
43
realizando la edición, estructuración y definición de atributos conforme lo demandó
este estudio, lo anterior se almacenó en el software ArcGis 10.5, esto con el objetivo
de obtener y utilizar de una forma sencilla, ordenada y práctica toda la información
concerniente a este trabajo (Ilustración 7).
Ilustración 7: Geodatabase con los insumos y resultados del estudio Multitemporal
Fuente: Elaboración de la autora
4.2 Pre-procesamiento de las Imágenes de Satélite
Esta etapa incluye los procesos para las mejoras de las características de las
imágenes descargadas, con el fin de corregir los errores presentes y optimizar su
calidad.
Las imágenes se descargaron en formato GEOTIFF y poseen un nivel de pre-
procesamiento denominado L1T en el caso de Landsat y L1C para Sentinel. Dichos
niveles incluyen correcciones radiométricas y geométricas mediante la
incorporación de puntos de control GPC’s y también orto-rectificación a través del
Modelo Digital de Elevación (MDE), esta información puede ser verificada
accediendo al metadato respectivo de cada imagen (Ilustración 8). De igual manera
se hizo una comprobación a través de la superposición de las escenas y la base
cartográfica, de ríos y vías a escala 1:100.000, georreferenciadas en el sistema
MAGNA SIRGAS del IGAC.
44
Ilustración 8: Metadato de la imagen
Fuente: Elaboración de la autora a partir de información del archivo MTL de Landsat-4.
4.2.1 Corrección Radiométrica y Atmosférica
Son las técnicas que se utilizan para modificar los niveles digitales (ND) originales
con el fin de acercarlos a los que tendrían que estar presentes en la imagen si
hubiese una recepción ideal por parte del sensor del satélite.
De acuerdo con Cabera et ál, IDEAM (2011) estos procesos de corrección permiten
convertir la información de la imagen original de cada píxel, de Niveles Digitales -
ND- a valores de reflectancia captada por el sensor en el tope de la atmósfera, es
decir, sin los efectos de esta, lo que permite disminuir los efectos de dispersión o
absorción causados por la presencia de partículas en la atmósfera. También se
busca remover el efecto de los diferentes ángulos de incidencia de la energía solar
y de la distancia de la tierra - sol, que se producen como consecuencia de las
diferencias de tiempo de adquisición de las escenas. En general, se intenta
minimizar los errores que influyen en la radiación o en el valor radiométrico de cada
elemento captado.
Para este proceso, se utilizó la herramienta Semi automátic classification plugin –
Pre processing- Sentinel 2 y LANDSAT conversion del software QGis 3.8.1 (
Ilustración 9 e Ilustración 10), la cual convierte los ND a valores de reflectancia TOA
45
y temperatura de brillo. Como resultado final de este sub- proceso, se obtiene una
imagen en valores de reflectancia que mejora la separabilidad espectral de los
objetos presentes en la imagen corregida respecto de la original, optimizando los
resultados finales del proceso de clasificación digital.
Ilustración 9: Configuración de las correcciones utilizadas en QGis para Landsat 4.
Fuente: QGis 3.8.1
Cogedo menciona respecto a las escenas de Landsat y Sentinel-2 que están
compuestas de diferentes bandas y un archivo de metadatos que contiene la
información necesaria para el cálculo de la reflectancia (2016). La USGS b, señala
además que las imágenes Landsat están provistas en radiancia lo cual es
previamente escalado al resultado (2019).
En la Ilustración 9 se puede observar la corrección realizada a la imagen de Landsat
4, allí se aplica la conversión a reflectancia TOA y de temperatura de brillo, también
se selecciona la corrección atmosférica DOS1, todo lo anterior se efectúa con el
objetivo de obtener imagen mejorada que permita optimizar la separabilidad
espectral en los procesos posteriores de clasificación digital.
46
Ilustración 10: Configuración de las correcciones utilizadas en QGis para Sentinel 2MSI
Fuente: QGis 3.8.1
La Ilustración 10 permite ver la configuración empleada en la corrección DOS1 para
la imagen Sentinel 2, como ya se había mencionado en la explicación del Método
de Chávez, se efectúa una conversión a radiancia antes de realizar este
procedimiento además es la única corrección aplicada debido a que las imágenes
Sentinel son distribuidas con los valores de reflectancia TOA ya escalados.
4.2.2 Fragmentación del área de estudio
Con el propósito de optimizar los procesos subsiguientes en el software de
procesamiento, se precisó hacer la delimitación y recorte de la escena que contiene
el área de estudio. Adicional a ello, se decidió incluir los municipios adyacentes bajo
el criterio de presentar características similares en las coberturas del suelo. Lo
anterior, con el fin de tener un área de trabajo más extensa (el área aproximada del
municipio de San Francisco es de 118,20 Km²) que permitiera aumentar el número
de muestras de entrenamiento, y así tener una clasificación más robusta.
La imagen se recortó eligiendo los siguientes municipios: La Vega, Nocaima, San
Francisco, Sasaima y Supatá, constituyendo un área total de 592,98 Km².
(Ilustración 11)
47
Ilustración 11: Fragmentación del área de clasificación
Fuente: Elaboración de la Autora
4.2.3 Definición de la Escala de trabajo
Acorde con las características de los sensores utilizados se definió como escala de
trabajo 1:100.000. Con base en lo descrito por el IDEAM et ál. (2008) para la
metodología CLC, la unidad mínima cartografiable cuando se usan escenas de
satélites Landsat está definida en 25 ha para el caso de coberturas y para elementos
lineales como vías o ríos adicionalmente un ancho mínimo de 50 m. Con la imagen
Sentinel se trabajó de la misma manera, a pesar de que esta tiene una mejor
resolución espacial, con el fin de obtener un nivel de detalle constante y que los
resultados sean comparables. Por tanto, la resolución espacial es un elemento que
está directamente relacionado con los datos raster utilizados.
4.2.4 Combinación de Bandas
Para un mejor análisis e interpretación visual se realizaron varias composiciones de
las bandas obtenidas a partir del Layer stack, con el fin de observar e identificar las
48
respectivas coberturas (Tabla 7). Estas combinaciones además soportaran la
clasificación de las coberturas y usos en niveles superiores de acuerdo con el CLC.
Las combinaciones más utilizadas fueron:
Tabla 7: Combinaciones de bandas utilizadas para Landsat y Sentinel-2MSI Respectivamente
R-G-B Descripción
4-3-2
8-4-3
La vegetación aparece en tonos rojizos, las áreas urbanas son celestes
y los suelos varían de marrón oscuro hacia el claro en toda esta gama.
Ésta es una combinación muy popular y es útil para los estudios de
vegetación, monitoreo de drenajes, patrones de suelo y en varias fases
de crecimiento de los cultivos. Generalmente, los colores rojos
profundos indican hoja ancha y/o la vegetación más saludable mientras
los tonos de rojo más ligeras significan prados o áreas de vegetación
remanente escasa.
3-2-1
4-3-2
Esta composición es denominada “color natural”. Ya que las
características del terreno aparecen en los colores similares al sistema
de visión humano, la vegetación saludable es verde, campos
recientemente limpiados son muy claros en reflectancia, la vegetación
no saludable es marrón y amarilla, las vías son grises. Esta combinación
provee la mayor penetración del agua y sedimentos superficiales, así
como información batimétrica. Esta es también usada para estudios
urbanos.
4-5-3
8-11-4
Ofrece una definición de los límites entre el suelo y agua. Muestra muy
bien las diferencias de humedad y es muy útil para el análisis de las
condiciones del suelo y la vegetación. Generalmente el suelo más
húmedo aparece más oscuro debido a la capacidad de absorción del
agua.
5-4-3
11-8-4
La vegetación saludable es de un verde intenso y los suelos son de color
lila. Al usar la banda 5 la cual contiene la mayor información agrícola.
49
R-G-B Descripción
Esta combinación es muy útil para estudios de vegetación, y es
ampliamente usado en las áreas de manejo de madera.
Fuente: Franzosi (2010)
Ilustración 12: Imagen Sentinel-2 en Falso Color RGB 8, 4, 3.
Fuente: Elaboración de la autora
La combinación de la Ilustración 12 refleja la sensibilidad a la clorofila, permitiendo
que se observen variaciones de la vegetación, que aparecen en tonos rojo, (INEGI,
2010). También resalta en color más oscuro la vegetación vigorosa y más densa
como la cobertura boscosa, en un color rosa las áreas vegetales menos densas y/o
con temprano estado de crecimiento como pueden ser los pastos, en color blanco
se presentan las áreas con escasa o nula vegetación por su alta reflectividad, aquí
se encuentran los depósitos de extracción minera, las nubes y suelos desnudos, en
tono gris a azul metálico se encuentran las vías de acceso y otras superficies
urbanas.
50
Ilustración 13: Imagen en Falso Color RGB 8, 11, 4 Sentinel-2.
Fuente: Elaboración de la autora
En la Ilustración 13 se muestra el realce en tonos naranja de las áreas
correspondientes a cultivos (Café, cítricos y plátano principalmente) o zonas de
pastos plantados, en color café se destaca la cobertura de bosque denso y en azul
claro los territorios artificializados. Es muy usada esta combinación debido a que
resalta la humedad del suelo, haciendo más representativas las diferentes
coberturas de la tierra, por lo general el suelo húmedo se observa más oscuro.
Las composiciones anteriores, en conjunto con los elementos pictórico –
morfológicos ayudaron a la identificación del primer nivel del CLC, también se
recurrió al software ENVI 5.0 para hacer mejoramiento visual y espacial a través de
la aplicación de realces y contrastes para poder hacer un mejor análisis visual de la
imagen. Adicional a ello, fue importante el conocimiento previo del terreno y visitas
de campo, siendo esto una actividad complementaria que incidió en el proceso de
elección de las coberturas del CLC y la clasificación digital supervisada.
51
4.3 Procesamiento de la Información
Una vez definida la escala de trabajo y combinación de bandas se procedió a
determinar visualmente cada una de las coberturas existentes en el área de estudio.
Lo anterior, fundamentado en el conocimiento previo del territorio, visitas de campo,
el Esquema de Ordenamiento Territorial EOT, información de estudios anteriores,
entre otros. C Estos se detallan en la Tabla 8:
52
Tabla 8: Niveles CLC identificados en el municipio de San Francisco
Codificación Corine Land Cover Colombia Nivel I Nivel II Nivel III Visualización
Territorios Artificializados
Zonas Urbanizadas
Tejido urbano continuo: Espacios conformados por edificaciones y los espacios adyacentes a la infraestructura edificada (Ilustración 14). Las edificaciones, vías y superficies cubiertas artificialmente cubren más del 80% de la superficie del terreno. La superficie de la unidad debe ser igual o superior a 5 ha.
Ilustración 14: Centro poblado San Francisco
Fuente:Elaboración de la autora
Tejido urbano discontinuo: Espacios conformados por edificaciones y zonas verdes. Las edificaciones, vías e infraestructura construida cubren artificialmente la superficie del terreno de manera dispersa y discontinua, ya que el resto del área está cubierto por vegetación (Ilustración 15). El área mínima mapeada debe ser mayor o igual a 5 ha.
Ilustración 15: Quintas de recreo vereda Toriba
Fuente: Elaboración de la Autora
53
Codificación Corine Land Cover Colombia Nivel I Nivel II Nivel III Visualización
Zonas Industriales o comerciales y redes de comunicación
Zonas industriales: Áreas recubiertas por infraestructura artificial (terrenos cimentados, alquitranados, asfaltados o estabilizados), sin presencia de áreas verdes dominantes, las cuales se utilizan también para actividades comerciales o industriales (Ilustración 16). El área mínima mapeada debe ser mayor o igual a 5 ha.
Ilustración 16: Inmunizadora de maderas San
Francisco
Fuente: http://inmsaf.com/
54
Codificación Corine Land Cover Colombia Nivel I Nivel II Nivel III Visualización
Zonas de extracción minera y escombreras
Zonas de extracción minera y escombreras: Son áreas dedicadas a la extracción de materiales minerales a cielo abierto y/o espacios en los que se depositan restos de construcción, residuos urbanos, desechos industriales y material estéril de minas (Ilustración 17). Se incluyen áreas mayores o iguales a 5 ha.
Ilustración 17: Cantera de Triturados Cerro
Cuadrado
Fuente: Johana Romero
Territorios Agrícolas
Pastos
Pastos limpios: Comprende las tierras ocupadas por pastos limpios mayores o iguales a 25 ha, es decir, que la realización de prácticas de manejo (limpieza y/o fertilización, etc.) utilizados impiden la presencia o el desarrollo de otras coberturas (Ilustración 18).
Ilustración 18: Paisaje pastos limpios Alto del vino
Fuente: Mauricio Agudelo
55
Codificación Corine Land Cover Colombia Nivel I Nivel II Nivel III Visualización
Áreas Agrícolas Heterogéneas
Mosaico de cultivos: Incluye las tierras ocupadas con cultivos anuales, transitorios o permanentes, en los cuales el tamaño de las parcelas es muy pequeño (inferior a 25 ha) y el patrón de distribución de los lotes es demasiado intrincado para representarlos cartográficamente de manera individual (Ilustración 19).
Ilustración 19: Mosaico de Cultivos (Plátano, café, cítricos)
Fuente: Elaboración de la autora
Mosaico de cultivos y espacios naturales: Comprende las tierras ocupadas por cultivos y espacios naturales, en los cuales el tamaño de las parcelas es muy pequeño, inferior a 25 ha (Ilustración 20).
Los espacios naturales están conformados por las áreas ocupadas por relictos de bosque natural, arbustos y matorrales, bosque ripario, pantanos y otras áreas no intervenidas o poco transformadas.
Ilustración 20: Mosaico de cultivos y espacios naturales vereda San Miguel
Fuente: Elaboración de la autora
56
Codificación Corine Land Cover Colombia Nivel I Nivel II Nivel III Visualización
Mosaico de cultivos, pastos y espacios naturales: Esta cobertura comprende las superficies del territorio ocupadas principalmente por coberturas de cultivos y pastos en combinación con espacios naturales importantes. En esta unidad, el patrón de distribución de las zonas de cultivos, pastos y espacios naturales no puede ser representado individualmente, con parcelas con tamaño menor a 25 ha ( Ilustración 21).
Ilustración 21: Mosaico de cultivos, pastos y espacios naturales vereda San Miguel.
Fuente: Elaboración de la autora
Bosques y Áreas
Seminaturales
Bosques
Bosque natural denso: Cobertura con área mayor a 25 ha, constituida por una comunidad vegetal dominada por elementos típicamente arbóreos, los cuales forman un estrato de copas (dosel) más o menos continuo, con altura superior a 5 metros (Ilustración 22). Estas formaciones vegetales no han sido intervenidas o su intervención ha sido selectiva y no ha alterado su estructura original y las características funcionales (Oram, 1998).
Ilustración 22: Bosque natural denso cercanías de La Laja
Fuente: Alvaro Espinel
57
Codificación Corine Land Cover Colombia Nivel I Nivel II Nivel III Visualización
Bosque natural fragmentado: Comprende los territorios con áreas superiores a 25 ha, cubiertos por bosques naturales con intervención humana que mantienen su estructura original. Se puede dar la ocurrencia de áreas completamente transformadas en el interior de la cobertura, originando parches por la presencia de otras coberturas como pasto, cultivos y/o rastrojos que reemplazan la cobertura original (Ilustración 23).
Ilustración 23: Parque Ecológico Jericó
Fuente: Alvaro Espinel
Bosque ripario: Se refiere a las coberturas constituidas por vegetación arbórea ubicada en las márgenes de cursos de agua permanentes o temporales, con ancho de la franja mayor o igual a 50 metros y área superior a 25 ha. El curso de agua con ancho menor o igual a 50 metros. Este tipo de cobertura está limitado por su amplitud, ya que bordea los cursos de agua y los drenajes naturales. Cuando la
Ilustración 24: Bosque ripario quebrada El Muña
Fuente: Elaboración de la autora
58
Codificación Corine Land Cover Colombia Nivel I Nivel II Nivel III Visualización
presencia de estas franjas de bosques ocurre en zonas andinas son conocidas como bosque ripario (Ilustración 24).
Plantación Forestal: Son coberturas con áreas mayores a 25 ha constituidas por plantaciones de vegetación arbórea, realizada por la intervención directa del hombre con fines de manejo forestal. En este proceso se constituyen rodales forestales, establecidos mediante la plantación y/o la siembra durante el proceso de forestación o reforestación, para la producción de madera o bienes no madereros (Ilustración 25).
Las coberturas pueden estar formadas por especies exóticas o nativas que son sometidos a ordenación forestal (protección, conservación, producción).
Ilustración 25: Plantación Forestal de Eucalyptus
Fuente: Google 2020
Fuente: Elaboración de la autora a partir de la Metodología Corine Land Cover
59
Posteriormente, se efectúo el proceso de clasificación supervisada de las imágenes
satelitales. Para esta etapa se hizo una selección de muestras de entrenamiento
representativas, con lo cual se captaron firmas espectrales homogéneas para cada
uno de los niveles I del CLC presentes en el área de estudio.
Ilustración 26: Firmas Espectrales de la Clasificación Supervisada en imagen Landsat 4TM
Fuente: ENVI 5.0
Es importante que entre las firmas espectrales exista separabilidad, dado que de
esto depende que el software haga una correcta clasificación, y se minimice el
riesgo de error en el momento de elegir la pertenencia de los niveles digitales a una
u otra clase; para su evaluación se pueden utilizar métodos gráficos (Ilustración 26)
y/o métodos numéricos que permiten su distinción.
Las características espectrales tuvieron como finalidad preparar el algoritmo de
clasificación para calcular los parámetros estadísticos de cada banda. De esta
manera, se evaluó cada pixel de la imagen, se comparó y asignó a una respectiva
clase mediante una regla de decisión del software.
El algoritmo utilizado para esta clasificación fue el de máxima probabilidad –
Maximun Likelihood del software ENVI5.0, este tiene en cuenta las varianzas y
covarianzas de las firmas espectrales cuando asigna cada celda a una de las clases
representadas en el archivo de firma. Según Reuter (2002), si se asume que la
60
distribución de una muestra de clases es normal, una clase puede estar
caracterizada por el vector del valor medio y la matriz de covarianza. Dadas estas
dos características para cada valor de celda, se calcula la probabilidad estadística
para cada clase a fin de determinar la pertenencia de las celdas a la clase. El
clasificador de Máxima Probabilidad es el más complejo y el que demanda mayor
volumen de cálculo. Sin embargo, es el más empleado en teledetección, por su
robustez y por ajustarse con más rigor a la disposición original de los datos.
Los resultados obtenidos son dos imágenes clasificadas en formato ráster, una para
cada época.
4.4 Validación de los resultados
Para realizar la validación de resultados Ingeoexpert (2018) señala al respecto:
El análisis de precisión es un paso fundamental durante el proceso de clasificación
digital. La calidad hace referencia a la totalidad de las características de un
producto que tienen que ver con sus aptitudes para satisfacer las necesidades
explícitas e implícitas. En cartografía, se considera el control topológico y temático
de la cartografía generada.
Por ende, se hizo una comprobación y verificación de los resultados obtenidos
mediante dos métodos distintos, uno para cada periodo evaluado.
4.4.1 Validación clasificación 1988 Landsat 4TM
Para este proceso se utilizó el estudio cartográfico realizado por la Gobernación
de Cundinamarca (2002), denominado mapa de uso actual y cobertura vegetal
de los suelos del departamento de Cundinamarca a escala 1:25.000 para el año
1993, con el cual se crearon instrumentos actualizados de planificación que
sirvieran de soporte a los planes, programas y proyectos agropecuarios y de
ordenamientos territorial regional y municipal de la época.
Tomando como insumo principal el mapa producto del estudio, se procedió a
hacer la digitalización de la zona de interés en el software ArcGIS 10.5 con el
propósito de confrontar estos usos de suelo y la clasificación resultante para la
escena del año 1988 (cabe resaltar que, únicamente se toma el área del
municipio puesto que es el objetivo de este trabajo). Para lo anterior, se hizo
61
necesaria la homologación y/o recategorización de los usos contemplados en
dicho estudio y los descritos en el CLC (Tabla 9), dado que para ese momento
esta estandarización no existía aún. De acuerdo con lo anterior se tiene:
Tabla 9: Homologación de las coberturas
CARTOGRAFÍA 1:25.000 CORINE LAND COVER Zonas Urbanas e Infraestructura Tejido Urbano Continuo
Zonas Minera y Canteras Zonas de extracción minera y
escombreras
Pastos Manejados/ Pasto Natural Pastos Limpios
Cultivos con malezas Mosaico de cultivos y espacios
naturales
Bosque Natural Bosque natural denso
Bosque Secundario Bosque natural fragmentado
Bosque Plantado Plantación Forestal
Café, Caña Panelera, Plátano,
Cítricos. Mosaico de Cultivos
Fuente: Elaboración de la Autora
Una vez obtenida la estandarización de las coberturas, se procedió a hacer el
cruce de información con el uso de la herramienta de geoprocesamiento
Intersect de ArcGIS 10.5.
62
Ilustración 27: Resultado Validación de clasificación 1988
Fuente: Elaboración de la autora
Como se puede observar en la Ilustración 27, se resaltan en color azul todas las
áreas de uso de suelo coincidentes y en color blanco las que no coincidieron. El
porcentaje de coincidencia fue del 79% del área total del municipio, exceptuando
las áreas sin información debido a la presencia de nubes en el estudio hecho por
la Gobernación de Cundinamarca en 2002 (Ilustración 28).
Tabla 10: Validación de la Clasificación
Descripción Área ha Área Municipal 11.820 Área Sin Información (Estudio) 1.340 Área neta municipal para comparar 10.480 Coberturas coincidentes 8.291 Coberturas no coincidentes 2.189 % de acierto 79%
Fuente: Elaboración de la autora
63
Ilustración 28: Áreas no comparables por presencia de nubes
mapa de uso actual y cobertura
vegetal de los suelos 1993 Clasificación 1988
Fuente: Elaboración de la autora
Las diferencias encontradas en el 21% no coincidente, se explica en parte por la
existencia de sombras en la clasificación de la escena y la no inclusión de la
clase bosque ripario en el estudio dispuesto por la Gobernación de
Cundinamarca en 2002 (Ilustración 29).
Ilustración 29: Áreas no coincidentes
Fuente: Elaboración de la autora
Áreas no comparables por presencia de nubes
Presencia de Sombras
Bosque Ripario
64
4.4.2 Validación clasificación 2018 Sentinel-2 MSI
De acuerdo con lo mencionado por Jensen (1986, citado en Niclós Corts et ál.,
2010) para estimar la precisión de una clasificación se ha de calcular la matriz
de confusión, cuyo objetivo es comparar los resultados de la clasificación y áreas
verdad terreno, de este modo identificar el número total de pixeles de referencia
que siendo de un tipo dado han sido asignados a cada una de las clases. A partir
de la matriz de confusión o de error, se estiman los siguientes parámetros que
determinan su precisión: - Precisión global: Cuantifica el número de pixeles correctamente clasificados.
- Precisión del productor: Indica la probabilidad de que un píxel de una determinada
clase esté correctamente clasificado.
- Precisión del usuario: Enseña la probabilidad de que un píxel clasificado como una
clase determinada corresponda a dicha clase.
- Coeficiente Kappa: Calcula la correspondencia entre la imagen clasificada y la
realidad según la exactitud de la clasificación y eliminando el factor azar (p. 5).
Los parámetros descritos anteriormente, de acuerdo con Niclós Corts et ál.
(2010) permiten evaluar la bondad del método de clasificación, usando las
regiones de interés seleccionadas para cada clase en el proceso de
entrenamiento, y la precisión de la clasificación obtenida, utilizando áreas verdad
terreno de validación no usadas como áreas de entrenamiento.
En muchas ocasiones, el área de exploración para la toma de muestras no es
totalmente accesible, por lo cual se debe realizar siguiendo las rutas o caminos
existentes (Boca & Rodríguez, 2012). En este caso, el registro de las áreas
verdad terreno, consistió en verificar a través de observación directa la cobertura
que corresponde a cada punto de muestreo, estos sitios van ligados a la red vial
primordialmente y a terrenos de fácil acceso dentro de la zona de estudio.
Esta labor estuvo acompañada de un protocolo de trabajo adecuado y un diseño
de muestreo previo, el cual consistió en la creación de un mapa en la aplicación
Google Maps (Ilustración 30), que contiene el listado de 40 puntos de
exploración debidamente georreferenciados en coordenadas WGS84. Está
aplicación concedió al interprete las indicaciones para desplazarse hasta cada
uno de los puntos definidos para la verificación en campo y permitió la toma de
65
fotografías y anotación de observaciones pertinentes para cada uno de ellos,
almacenando toda la información recopilada de manera instantánea en el Drive,
siendo de gran utilidad para este procedimiento (Ilustración 31).
Ilustración 30: Puntos de Muestreo Verdad Terreno
Fuente: Elaboración de la autora a partir de Google Maps
¿Cómo llegar? Dibujar polígono
66
Ilustración 31: Almacenamiento de Información Puntos de Muestreo
Fuente: Elaboración de la autora a partir de Google Maps
Los puntos de muestreo se sobrepusieron en el raster de coberturas del suelo,
producto de la clasificación supervisada que se hizo para el año 2018, se
seleccionaron polígonos de control sobre la imagen de cada una de las clases,
para evaluar los resultados de la clasificación.
La matriz de confusión se generó a partir de los pixeles que se tomaron como
muestras verdad terreno. Del conjunto de pixeles muestreados, la matriz
compara los valores de las filas que representan las clases obtenidas tras la
clasificación versus los valores de las columnas que constituyen las muestras
verdad terreno. De esta manera, en la diagonal de la matriz se encuentran los
aciertos, es decir, aquellos pixeles que coincidieron en la clasificación y los
muestreados en terreno. Los residuales de las filas son los errores por omisión,
mientras que los residuales de las columnas son los de comisión. Es decir que,
los errores por omisión son aquellos pixeles que el usuario incluyó en una clase
determinada y el clasificador lo encontró perteneciente a otra. Por el contrario,
los errores por comisión son aquellos pixeles que el clasificador encuentra
Editar Información
Toma de
Fotografías
67
pertenecientes a una clase y que no fue definido de la misma manera por el
usuario.
En la Ilustración 32 se muestra el reporte del software ENVI 5.0 con los datos
obtenidos de la validación:
Ilustración 32: Matriz de Confusión o de error.
Fuente: ENVI 5.0
Conforme lo menciona Chuvieco (1995), “un valor de K próximo a 1 indica un acuerdo
pleno entre la realidad y el mapa, mientras un valor cercano a 0 sugiere que el acuerdo
observado es puramente debido al azar” (p. 394). El coeficiente Kappa (K) obtenido de
la matriz de confusión fue de 0.92, indicando un óptimo porcentaje de
correspondencia entre la clasificación y la realidad de terreno.
68
4.5 Generación de Información – Generalización
Una vez obtenido y validado el insumo en formato ráster de la clasificación
supervisada, se exportó a formato vector e inmediatamente se editó.
Las imágenes clasificadas normalmente presentan falta de continuidad y coherencia
espacial de las clases. En la escena clasificada quedaron una serie de píxeles
aislados, los cuales no representaban un área significativa, por tanto, se optó por
generalizar o editar el producto de la clasificación, con la finalidad de que las clases
predominantes absorban estos píxeles. Para ello, se tuvo en cuenta la escala de
trabajo 1:100.000. Dicho de otro modo, durante la edición se aplicaron reglas
básicas de generalización que permitieron decidir sobre polígonos que no cumplían
el criterio de área mínima de mapeo establecida, es decir, mayor o igual a 25
hectáreas (categorías 2 a 5 del nivel 1 de la nomenclatura), mayor o igual a 5
hectáreas (categorías 1 del nivel 1 de la nomenclatura) y ancho mayor a 50 metros.
Esas pautas se acogieron del sistema CLC adoptado para Colombia.
Adicionalmente el Instituto de Hidrología, Meteorología y Estudios Ambientales
(IDEAM) señala respecto a las reglas de generalización su importancia en el
proceso de interpretación IDEAM et ál. (2008), y precisa lo siguiente:
Cuando se presentan estos polígonos pequeños puede ocurrir que ellos se
encuentren rodeados por una unidad mayor en forma individual o que hagan parte
de un grupo de unidades que no satisfagan los criterios. Para incorporar estas
coberturas de área reducida en las coberturas vecinas que sí cumplen el tamaño
mínimo, se aplicó un conjunto de reglas de generalización que permiten definir qué
acción se debe emplear en los diferentes casos que se presentan (pág. 65).
Dado que, la generalización es fundamental en el proceso de interpretación, a
continuación se describen algunas de las reglas más utilizadas y sus respectivos
ejemplos:
Cuando la unidad, en este caso denominada 112, sea menos a 5 ha y se
encuentre rodeada por una sola unidad de tamaño mayor o igual a 25 ha, la
unidad pequeña se adiciona a la unidad de mayor tamaño, esta última unidad
se representada en la Ilustración 33 con el número 211.
69
Ilustración 33: Agregación de un polígono pequeño ubicado dentro de un polígono grande - 112 (<5 ha) y 211 (≥25 ha)
Fuente: IDEAM et ál. (2008)
Para áreas pequeñas de centros poblados, menores a 5 ha, se deben
agrupar si la distancia entre las unidades es menor a 300 metros de manera
que se obtenga una unidad, que de acuerdo a la Ilustración 34 se llamará
121, mayor a 25 ha. Entonces, las unidades menores a 5 ha se agrupan
según las líneas de las vías con el propósito de formar una unidad ≥ 25ha.
Ilustración 34 Generalización para centros poblados.
Fuente: IDEAM et ál. (2008)
- Cuando se presenta alguna unidad grande de bosque natural, para este
ejemplo se denominara 311, la presencia de varios cultivos aislados de
tamaño menor a 25 ha podría constituir una clase, por consiguiente es
necesario considerar la densidad de cultivos. Para porcentajes inferiores al
5% se debe mantener la clasificación de bosque natural (311); para el
intervalo de 5% a 30% se delimita como bosque fragmentado o unidad 312
(Ilustración 35) y para una densidad de cultivos que este entre 30% y 70%
se delimitara como zona de mosaicos 243 ó 244 según lo presentado en la
Ilustración 36.
70
Ilustración 35: Delimitación de bosque fragmentado en zona de bosque denso
Fuente: IDEAM et ál. (2008)
Ilustración 36: Delimitación zona de mosaico en zona de bosque denso.
Fuente: IDEAM et ál. (2008)
- El mosaico de cultivos, pastos y espacios naturales o seminaturales resulta
de la composición entre tierras agrícolas con presencia de pequeñas áreas
naturales o seminaturales, incluyendo cuerpos de agua y humedales, con
áreas menores a 25 ha.
Ilustración 37: Delimitación de espacios naturales menores a 25 ha (311), ubicado dentro de un polígono de cultivos (211 ≥25 ha).
Fuente: IDEAM et ál. (2008)
71
4.6 Uso de la Información
Finalmente, con el producto de la generalización se obtuvieron los mapas de
coberturas y usos de la tierra existentes para cada época analizada 1988 (Anexo 1)
y 2018 (Anexo 2), su disposición dentro del municipio y la cuantificación de las
áreas. (Tabla 11)
Tabla 11: Cobertura de la tierra CLC identificadas en el municipio de San Francisco (Cund.) Periodos 1988 / 2018
Codificación Corine Land Cover Colombia 1988 2018
Nivel I Nivel II Nivel III Área ha
% Área ha
%
Territorios Artificializados
Zonas
Urbanizadas
Tejido urbano
continuo 27,2 0,2 133,8 1,1
Tejido urbano
discontinuo 0,0 0,0 281,7 2,4
Zonas
Industriales o
comerciales y
redes de
comunicación
Zonas
industriales 0,0 0,0 8,4 0,1
Zonas de
extracción
minera y
escombreras
Zonas de
extracción
minera y
escombreras
4,3 0,0 18,1 0,2
Subtotal 31,5 0,3 442,0 3,7
Territorios Agrícolas
Pastos Pastos limpios 5089,4 43,1 5940,8 50,3
Áreas Agrícolas
Heterogéneas
Mosaico de
cultivos 3246,7 27,5 996,9 8,4
Mosaico de
cultivos y
espacios
naturales
202,1 1,7 420,0 3,6
Mosaico de
cultivos, 0,0 0,0 394,1 3,3
72
Codificación Corine Land Cover Colombia 1988 2018
Nivel I Nivel II Nivel III Área ha
% Área ha
%
pastos y
espacios
naturales
Subtotal 8538,3 72,2 7751,9 65,6
Bosques y Áreas Seminaturales
Bosques
Bosque natural
denso 1703,0 14,4 1861,1 15,7
Bosque natural
fragmentado 663,8 5,6 1067,8 9,0
Bosque ripario 84,3 0,7 217,1 1,8
Plantación
Forestal 443,7 3,8 437,0 3,7
Subtotal 2894,7 24,5 3582,9 30,3
Sin Clasificar Nubes/
sombras 355,6 3,0 43,2 0,4
Total 11820 100 11820 100
Fuente: Elaboración de la autora
Para determinar los cambios de uso del suelo, se planteó una matriz de tabulación
cruzada entre los mapas de coberturas de las fechas estudiadas. En esta matriz las
filas representan las categorías del año 1988 y las columnas las categorías del año
2018; cada cobertura se renombró con un número entero de 1 – 10 y de 100 – 1000
para cada año respectivamente, por tanto, la matriz se compone de la suma de los
números que se asignaron a cada cobertura (Tabla 12). Las áreas que no fueron
objeto de cambios, es decir, las zonas que persisten entre el periodo de tiempo son
representadas con los valores que se muestran en la diagonal de la tabla, y los
valores fuera de esta corresponden a los cambios ocurridos entre coberturas de
suelo a lo largo del tiempo.
73
Tabla 12: Planteamiento de la Matriz de Tabulación Cruzada
Fuente: Elaboración de la autora
La implementación de la matriz anterior se llevó a cabo en el software ArcGIS 10.5
mediante el uso de la herramienta de geoprocesamiento → Intersect, obteniendo
las áreas correspondientes a cambios o permanencias en el periodo estudiado
(Ilustración 38). Ilustración 38: Mapa de Cambios y Persistencias en el periodo 1988-2018
Fuente: Elaboración de la autora
100 200 300 400 500 600 700 800 900 1000
BA/BGR/BD/PF
Mosaico de Cultivos
Mosaico de Cultivos y Espacios Naturales
Sombras Pastos Limpios
Tejido Urbano Continuo
Zona de Extracción Minera
Mosaico de Cultivos, Pastos y Espacios Naturales
Zona Industrial
Tejido Urbano Discontinuo
1 BA/BGR/BD/PF 101 201 301 401 501 601 701 801 901 10012 Mosaico de Cultivos 102 202 302 402 502 602 702 802 902 1002
3Mosaico de Cultivos y Espacios Naturales
103 203 303 403 503 603 703 803 903 1003
4 Nubes/Sombras 104 204 304 404 504 604 704 804 904 10045 Pastos Limpios 105 205 305 405 505 605 705 805 905 1005
6 Tejido Urbano Continuo
106 206 306 406 506 606 706 806 906 1006
7 Zona de Extraccion Minera
107 207 307 407 507 607 707 807 907 1007
8Mosaico de Cultivos, Pastos y Espacios Naturales
108 208 308 408 508 608 708 808 908 1008
9 Zona Industrial 109 209 309 409 509 609 709 809 909 1009
10 Tejido Urbano Discontinuo
110 210 310 410 510 610 710 810 910 1010
Codificación Corine Land Cover Colombia
CLASIFICACION 2018
CLAS
S 19
88
74
Las áreas que no sufrieron cambios, es decir, las zonas estables o que persisten en
el periodo analizado, se presentan en la diagonal principal de la Tabla 13; los
elementos fuera de la diagonal principal corresponden a las transiciones ocurridas
entre categorías; la fila Total 2018 y la columna Total 1988 indican el área total que
ocupa cada clase en los periodos indicados respectivamente.
De esta manera, la fila denominada ganancias, indica la proporción del paisaje que
experimentó un aumento entre 1988 y 2018, es decir, la diferencia entre los valores
de Total 2018 y lo que permaneció estable y por último, la columna designada como
pérdidas indica la disminución que tuvo cada categoría en el periodo evaluado, es
decir, la diferencia entre Total 1988 y los valores de la diagonal principal.
75
Tabla 13: Resultado de la Matriz de Tabulación Cruzada (Áreas en ha)
Coberturas Corine Land Cover Colombia
CLASIFICACIÓN 2018 100 200 300 400 500 600 700 800 900 1000
Total 1988 Pérdidas BA/BR/BD/PF
Mosaico de Cultivos
Mosaico de Cultivos y Espacios Naturales
Sombras Pastos Limpios
Tejido Urbano Continuo
Zona de Extracción Minera
Mosaico de Cultivos, Pastos y Espacios Naturales
Zona Industrial
Tejido Urbano Discontinuo
CLA
SIFI
CA
CIÓ
N 1
988
1 BA/BR/BD/PF 2410,2 31,2 0,0 15,6 410,0 9,0 11,1 0,0 6,3 1,1 2894,6 484,4
2 Mosaico de Cultivos 228,8 835,8 381,6 0,0 1136,4 46,5 0,0 386,3 0,0 231,2 3246,7 2410,9
3
Mosaico de Cultivos y Espacios Naturales
23,6 50,0 5,0 0,3 87,9 18,9 0,0 1,0 0,0 15,4 202,1 197,2
4 Nubes/Sombras 195,8 0,0 0,0 26,8 132,9 0,0 0,0 0,0 0,0 0,0 355,6 328,7
5 Pastos Limpios 724,5 79,9 30,9 0,4 4173,2 34,9 2,9 6,8 2,1 34,0 5089,4 916,2
6 Tejido Urbano Continuo 0,0 0,0 2,6 0,0 0,0 24,6 0,0 0,0 0,0 0,0 27,2 2,6
7 Zona de Extracción Minera
0,0 0,0 0,0 0,0 0,3 0,0 4,1 0,0 0,0 0,0 4,3 0,3
8
Mosaico de Cultivos, Pastos y Espacios Naturales
0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
9 Zona Industrial 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
10 Tejido Urbano Discontinuo 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
Total 2018 3582,9 996,9 420,0 43,2 5940,8 133,8 18,1 394,1 8,4 281,6 Ganancias 1172,7 161,1 415,0 16,4 1767,6 109,2 14,0 394,1 8,4 281,6
Fuente: Elaboración de la autora
76
Finalmente y como resultado de todos los procesos anteriores, se llegó a establecer
el comportamiento de las coberturas presentes en el municipio de San Francisco
Cundinamarca para el periodo comprendido entre 1988 y 2018. Lo anterior, se
materializa en los mapas de cobertura del suelo para ambas épocas con una escala
grafica de 1:100.000 (Ilustración 39 ).
Ilustración 39: Mapa de cobertura del suelo San Francisco de Sales
Fuente: Elaboración de la autora
5. RESULTADOS
Entre los cambios más significativos se encuentra el incremento de los territorios
artificializados, apareciendo consigo dos nuevas coberturas correspondientes a
tejido urbano discontinuo y zonas industriales, por otro lado, en territorios agrícolas
aparece también una nueva cobertura definida como mosaico de cultivos, pastos y
77
espacios naturales. Además, se encontró una significativa disminución en la
cobertura correspondiente a mosaico de cultivos (Ilustración 40).
Ilustración 40: Cobertura de la tierra CLC identificadas en el municipio de San Francisco (Cund.) para el periodo 1988 -2018
Fuente: Elaboración de la autora
En el municipio de San Francisco actualmente predominan las tierras de pastos
limpios, que constituye la matriz del paisaje, con una extensión de 5.941 ha
cubriendo el 50% del territorio, asociándose con áreas de actividad pecuaria,
encontrándose ganado bovino, porcino, equino, caprino, ovino y aviar. En segundo
lugar, con 3.583 ha equivalente al 30% del municipio, se encuentran los bosques y
áreas seminaturales (bosque natural denso, bosque natural fragmentado, bosque
ripario y plantación forestal). El 20% del área municipal restante, está distribuido
mayormente en áreas agrícolas heterogéneas y con menor medida en territorios
artificializados.
A continuación se explican de manera más detallada los resultados encontrados:
0 1.000 2.000 3.000 4.000 5.000 6.000
Tejido urbano continuoTejido urbano discontinuo
Zonas industrialesZonas de extracción minera y escombreras
Pastos limpiosMosaico de cultivos
Mosaico de cultivos y espacios naturalesMosaico de cultivos, pastos y espacios…
Bosque natural densoBosque natural fragmentado
Bosque riparioPlantación Forestal
Nubes/ sombras
ÁREA ha
CO
BER
TUR
AS C
LC
1988 2018
78
5.1 Territorios Artificializados
Ilustración 41: Territorios Artificializados
Fuente: Elaboración de la autora
En los últimos 30 años (periodo de estudio), la ocupación del territorio rural se ha
visto presionada por procesos socio-espaciales de tipo urbano, como: la expansión
del tejido urbano continuo (Ilustración 41), correspondiente al centro poblado y la
construcción acelerada de casas de campo, con lo cual aparece una nueva
cobertura denominada tejido urbano discontinuo, reemplazando a otras coberturas
tales como los mosaicos de cultivos, que predominaban en los años noventa.
Se ha venido presentando un fenómeno de microfundios, que significa la
fragmentación de la tierra en pequeños loteos, este es el llamado negocio de finca
raíz; donde se pueden encontrar terrenos hasta de 200 m² en el área rural. Este, se
ha convertido en una competencia desigual para la agricultura, dado que resulta
más rentable convertir grandes extensiones de tierra en lotes de recreo
improductivos, que el de cultivar las tierras. Como se pudo constatar en estos 30
años ha aumentado el número de predios del municipio, pasando de 1.762 predios
rurales en el año 1991 a 4.155 predios rurales en el año 2016 (Gobernación de
Cundinamarca b, 2019), un aumento del 136%, una evidente disminución del
tamaño promedio de las fincas históricamente agricultoras.
Tejido urbanocontinuo
Tejido urbanodiscontinuo
Zonasindustriales
Zonas deextracciónminera y
escombreras1988 27 0 0 42018 134 282 8 18
0
50
100
150
200
250
300Ár
ea h
a
1988 2018
79
Por otro lado, aparece una nueva cobertura denominada zonas Industriales con un
área de 8 ha, la cual no es representativa pero no menos importante para el
desarrollo económico del municipio; en esta área se ubica la empresa inmunizadora
de maderas San Francisco, la cual se encarga de la extracción de maderas, siendo
la única empresa dedicada a este oficio en la zona y en la cual se procesan las
plantaciones forestales que existen en los alrededores.
5.2 Territorios Agrícolas
Ilustración 42: Territorios Agrícolas
Fuente: Elaboración de la autora
La actividad económica del municipio gira en torno de dos actividades básicas: la
ganadería y la agricultura, y en pequeña escala la explotación de canteras
(trasformación de arcillas y arenas).
El 50% del área total del municipio, hoy día corresponde a zonas cubiertas por
pastos, las principales especies son el Pennisetum clandestinum (Kikuyo) y pastos
de corte como el Axonopus scoparius (Imperial) y el Híbrido entre Pennisetum
purpureum y Pennisetum typhoides (King grass). Hoy por hoy, son utilizados para
ganadería semi-extensiva y otros tantos se encuentran sin uso aparente. Las razas
predominantes son: el cruce con Cebú Normando y pardo, para la ceba integral; el
Normando y el Holstein; para doble propósito y el Holstein para lechería
Pastos limpios Mosaico decultivos
Mosaico decultivos yespaciosnaturales
Mosaico decultivos, pastos
y espaciosnaturales
1988 5089 3247 202 02018 5941 997 420 394
0
1.000
2.000
3.000
4.000
5.000
6.000
Área
ha
1988 2018
80
garantizada. Esta actividad genera en promedio un empleo permanente por cada
seis hectáreas, según lo descrito por la Alcaldía Municipal de San Francisco
Cundinamarca (Acuerdo Municipal No. 012 de 2016 ). Este uso se ha mantenido
constante con el paso de los años, con apenas un incremento del 17% para el
periodo estudiado.
Por otro lado, la agricultura es la fuente primordial de trabajo de los habitantes de
San Francisco, de la cual resultan más familias beneficiadas, dado que, es una
actividad que en época de cosecha genera más empleo por unidad de área al
compararse con otras actividades, como por ejemplo el comercio y la ganadería.
Los cultivos que mayormente están presentes son: Café, caña de azúcar, maíz,
cítricos, plátano y algunos cultivos que se producen en menor escala como
aguacate, tomate, frijol, yuca y arveja. Estos últimos, son utilizados principalmente
para consumo en los hogares y el excedente para la comercialización dentro del
mismo municipio (Alcaldía Municipal de San Francisco Cundinamarca, Acuerdo
Municipal No. 012 de 2016 ).
Del área total obtenida para la cobertura de mosaico de cultivos y de acuerdo con
el anuario estadístico presentado por la Gobernación de Cundinamarca para el año
2018, se tienen los porcentajes de ocupación de los diferentes cultivos, siendo el
café el cultivo predominante con un 63%, seguido por el plátano (incluyendo banano
y guineo) y cítricos con un 19% y 13% respectivamente. El restante 5% de los
cultivos son: maíz, caña panelera, aguacate y demás productos mencionados en el
párrafo anterior para consumo en los hogares.
Cabe reconocer que, este municipio continúa sosteniendo un enfoque mayormente
cafetero; pero no en las mismas proporciones que lo caracterizaban en la década
de los noventa, puesto que, entre 1980 y 2000 el cultivo de café disminuyó un 34%
y entre 2000 y 2018 un 47%, pasando de tener 1.773 ha para el año 1980, 1.175 ha
para el año 2000 y finalmente 622 ha para el año 2018, lo anterior, según datos del
censo cafetero presentados por la Secretaría de Planeación en sus respectivos
anuarios estadísticos (Gobernación de Cundinamarca a, 2019). Además, Barreto
Calderón (2015) afirma que durante el periodo de 1990 a 1997, el desempeño de la
agricultura fue deficiente: “el café tuvo amplias fluctuaciones a lo largo de este
periodo generado por la tendencia negativa a nivel mundial y como resultado de la
reducción de plantaciones posterior a la caída del precio internacional en 1989”
81
(pág. 21), como lo señala la Revista Dinero (2013), resultado del fin del Pacto
Internacional del Café que se dio el lunes 3 de Julio de 1989 en Londres, ese día se
consolidó la liberación del mercado cafetero para los productores, y así se dio fin al
sistema de mercado que garantizó niveles de precio razonables para los agricultores
en todo el planeta durante casi tres décadas. Sumado a lo anterior, Bustillo Pardey
(2007) destaca en su investigación que en el año 1988 se introdujo en Colombia la
plaga más importante que ha afectado el cultivo de café, enfermando rápidamente
las plantaciones y propagándose a gran velocidad, ocasionando grandes pérdidas
en las cosechas y mayor inversión en el cuidado de los cultivos.
Las tierras dedicadas a la agricultura representan hoy día tan solo el 8% del territorio
de San Francisco, una variación dramática en los últimos 30 años, observándose
una disminución del 69% en el área total dedicada a los diferentes cultivos, pasando
de 3.247 ha en el año 1988 a 997 ha en el 2018 (Ilustración 42). Lo anterior, como
consecuencia de las crisis agropecuarias que ha afrontado el sector, desde la
apertura económica marcada por los tratados de libre comercio firmados con otros
países, la revaluación de la tasa de cambio, el desplome de las cotizaciones
internacionales, la sequía de 1992, la violencia, las altas tasas de interés, entre otros
factores como lo indica Barreto Calderón (2015), que acentuó en la década de los
noventa, un detrimento permanente en la rentabilidad de la agricultura colombiana;
a tal punto que, algunos cultivos han prácticamente desaparecido del municipio,
como por ejemplo la caña de azúcar y la industria panelera; dado que no se han
implementado políticas suficientes de apoyo al agricultor por parte del gobierno. En
respuesta a esta problemática económica, las tierras han sido dedicadas a otros
usos, como el establecimiento de praderas y fines recreativos (finca raíz).
Así mismo, se identifica un aumento del 108% en la cobertura de mosaico de
cultivos y espacios naturales, que pasó de tener 202 ha en 1988 a 420 ha en 2018,
y la aparición de una nueva cobertura denominada mosaico de cultivos, pastos y
espacios naturales con un área de 394 ha. Se identificó que, el incremento de estas
áreas se localiza en zonas donde para 1988 estaban ocupadas por mosaico de
cultivos, con lo cual se ratifican las afirmaciones anteriores respecto a la disminución
o sustitución de la agricultura limpia por otros usos
82
5.3 Bosques y Áreas Seminaturales
Ilustración 43: Bosques y Áreas Seminaturales
Fuente: Elaboración de la autora
Como se evidencia en la Ilustración 43, el bosque natural denso ocupa actualmente
el 16% del municipio con un área de 1.868 ha, teniendo un incremento del 9% en el
periodo estudiado. Según lo refiere la Alcaldía Municipal de San Francisco
Cundinamarca (Acuerdo Municipal No. 012 de 2016 ), está ubicado en la zona Sur
y Este, en las veredas de Sabaneta, El peñón, La Laja y San Miguel. Son bosques
de protección únicamente, con el fin de conservar los nacimientos de agua, estos
han estado fuera de la intervención antrópica ciertamente por las altas pendientes
que presenta la zona.
Respecto del bosque natural fragmentado, se halló un incremento del 61%, pasando
de 664 ha en 1988 a 1.068 ha en 2018, este aumento se presentó en las zonas
aledañas a los bosques naturales fragmentados existentes, principalmente en la faja
noroccidental del municipio, reemplazando en su mayoría a fracciones de cultivos.
Se evidencia también, su realce por el uso frecuente en los cercos naturales para
delimitación de parcelas.
Bosquenaturaldenso
Bosquenatural
fragmentado
Bosqueripario
PlantaciónForestal
Nubes/sombras
1988 1703 664 84 444 3562018 1861 1068 217 437 43
0200400600800
10001200140016001800
Área
ha
1988 2018
83
Por otra parte, en la cobertura de bosque ripario aparece un aumento del 158%,
pasando de 84 ha en 1988 a 217 ha en 2018, con lo anterior, no puede afirmarse
que ha sido un incremento real en la cobertura, dado que, al comparar las imágenes
de satélite en las zonas donde se detectaron estas nuevas áreas, para el año 1988
no fue posible discriminarlas debido a la resolución espacial (30m) ofrecida por la
imagen Landsat. Además, aduciendo al hecho de que ésta cubierta aparece por la
presencia de la quebrada El muña, esta área no es nueva, puede identificarse más
fácilmente por la indiscutible mejora en la resolución espacial (10,20 y 60m) que
ofrece hoy día el satélite Sentinel-2.
Por último, se encuentra la cobertura de plantación forestal, la cual ocupa
actualmente el 4% del área total del municipio con un área de 437 ha. De acuerdo
con los resultados obtenidos, esta no ha sufrido cambios considerables durante el
periodo estudiado, conserva el patrón en la distribución espacial que lo hace
fácilmente identificable en el proceso de clasificación, se localizan en la parte sur de
la vereda Sabaneta y El Peñón. Su procesamiento y extracción se lleva a cabo
dentro del mismo municipio por la empresa Inmunizadora San Francisco (Alcaldía
Municipal de San Francisco Cundinamarca, Acuerdo Municipal No. 012 de 2016 ).
5.4 Conflicto de uso del suelo
De acuerdo a lo definido por el Ministerio de Agricultura y Desarrollo Rural (2012, p.
31) el conflicto de uso de suelo, se entiende como: “la discrepancia entre el uso
actual que el hombre hace sobre el medio natural y el uso que debería tener de
acuerdo a sus potencialidades y restricciones en todos los aspectos (económico,
social, ambiental, cultural)”. Para determinar el conflicto de uso de suelos en el
municipio de San Francisco de Sales, se trabajó con la distribución espacial de las
coberturas del suelo obtenidos para el año 2018 (Ilustración 44-izquierda) y el mapa
de uso propuesto del suelo rural de Cundinamarca 1999 (Ilustración 44-derecha),
este último es producto de la clasificación del suelo y los usos del suelo, conforme
a lo establecido en los planes de ordenamiento territorial de cada municipio del
departamento (Gobernación de Cundinamarca, 2007). Teniendo estos dos insumos,
se realizó el cruce entre estos, obteniendo como resultado el mapa de conflicto de
uso de suelos para la zona de estudio (Ilustración 45). En el Anexo 3 se presenta el
producto resultante con mejor definición y escala.
84
Ilustración 44: Mapa de cobertura del suelo 2018 y Mapa de uso propuesto del suelo 1999.
Fuente: Elaboración de la Autora
Las discrepancias en el mapa de conflicto de usos del suelo (Ilustración 45, se
presenta al final como Anexo 4 para una mejor visualización) se clasificaron en
tres categorías: Compatible, Restringido y No compatible. Los usos compatibles
corresponde a las coberturas del suelo que no se oponen al uso principal del
suelo definido por el municipio, por ejemplo la cobertura de bosque es afín o
acorde a las zonas de conservación de bosques naturales. Por el contrario, el
uso no compatible se refiere a aquellas coberturas que no coinciden con el
propósito que el municipio estableció para esa zona, como ejemplo está una
cobertura de mosaico de cultivos dentro de una zona urbana o una zona de
protección hídrica. Por último, está el uso restringido el cual se entiende como
aquellas coberturas que presentan un nivel de incompatibilidad con el uso
principal y riesgos ambientales que aplicando medidas y control de las
autoridades llevan al correcto aprovechamiento de suelo, esta última
clasificación se hizo conforme en lo señalado por el Consejo Municipal de San
Francisco Cundinamarca (Acuerdo Municipal No. 21 de 1999 ), en este se da la
85
clasificación general de los usos del suelo, ejemplo de lo anterior se tiene con la
zona de extracción minera que es considerada restringida en una zona de
desarrollo agropecuario con restricción. Ilustración 45: Mapa conflicto de uso
Fuente: Elaboración de la Autora
La compatibilidad en los usos del suelo actuales frente a los usos establecidos por
el Esquema de Ordenamiento Territorial (EOT), alcanzó un 57% del área municipal
total, de los cuales 21% corresponde a pastos limpios que han sido aprovechados
principalmente en actividades ganaderas, un 24% pertenece a la cobertura de
bosques (denso, abierto y ripario) que en términos generales se ha mantenido y ha
sido conservado, un 6% concierne a mosaicos de cultivos en su mayoría café y el
6% restante a las demás coberturas presentes en la zona de estudio.
En cuanto al uso no compatible se obtuvo un 42% del área total del municipio,
destacándose de este un 29% correspondiente a pastos limpios, que a pesar de ser
una de las principales fuentes de la economía municipal, se encuentra gran parte
en discrepancia con las normas de uso del suelo señaladas por la autoridad,
generando conflicto primordialmente con las zonas de: protección hídrica (3%),
86
desarrollo forestal (4%), recuperación ambiental (14%) y conservación de bosques
(8%).
Existe un 6% de la cobertura de bosques en desacuerdo con el EOT, dado que el
uso correspondiente debería ser de desarrollo agropecuario; pero esto se da en
razón del uso de cercos naturales y algunas zonas de expansión libre del mismo,
por tanto no es un problema significativo.
Por otro lado, se encuentra en discordancia la cobertura de tejido urbano
discontinuo que ha venido reemplazando la agricultura propia del municipio. Si bien
solamente representan el 2,5% del territorio, ha venido en aumento estos últimos
años con el fenómeno de microfundios que se mencionó en análisis anteriores, lo
cual impacta directamente en su economía.
87
6. CONCLUSIONES
Mediante la implementación de la Metodología Corine Land Cover adaptada para
Colombia (CLC), se identificó espacialmente la distribución de la cobertura de los
suelos del municipio de San Francisco (Cundinamarca) en las épocas 1988 y 2018.
Para este propósito se aplicó la clasificación supervisada de imágenes de satélite
de las épocas citadas, la imagen de 1988 procedente del sensor TM de Landsat 4
se clasificó en 10 categorías; por su parte la imagen de 2018 obtenida del sensor
MSI de la Misión Sentinel 2 se clasificó en 13 clases. Lo anterior, se integró en los
mapas de cobertura de 1988 y 2018 que representan el estado y configuración
espacial de la zona de estudio.
La transición de usos del suelo encontrada en el municipio de San Francisco de
Sales durante los últimos 30 años, fue identificada a través de la matriz de
tabulación cruzada, permitiendo así, determinar aquellas zonas en donde hubo
pérdidas (Mosaico de cultivos), ganancias (Tejido urbano continuo, bosque natural
fragmentado, mosaico de cultivos y espacios naturales) o permanencia (Pastos
limpios, Bosque natural denso, plantación forestal) de los usos de la tierra; del
mismo modo, se encontraron nuevos usos (tejido urbano discontinuo y mosaico de
cultivos, pastos, espacios naturales y zonas industriales) que finalmente mostraron
la dinámica de los usos del suelo en la zona de estudio. En este sentido, es claro
que el sector más afectado ha sido la agricultura, debido a que los cambios de uso
del suelo han sido cada vez más frecuentes, observándose un fenómeno de
praderización y loteo de parcelas, como consecuencia de la apertura económica
que tuvo el país a principios de los noventa, sumado a la situación de violencia que
se vivió durante esa época y que han desmotivado a los productores de la región.
De otro lado, si bien la actividad económica del municipio gira en torno de
actividades como la agricultura y la ganadería, no se puede dejar de lado la
explotación de canteras o el establecimiento de galpones (gallinas ponedoras y/o
pollos de engorde), que si bien es en pequeña escala ha venido en aumento en los
últimos tiempos y debe ser controlado por las autoridades locales, ya que por la
naturaleza de estas actividades pueden ocasionar gran impacto medioambiental.
88
El análisis multitemporal realizado derivó fundamentalmente en la identificación de
la configuración espacial del municipio para estas últimas 3 décadas y a partir de
este hecho analizar las dinámicas de cambio del uso del suelo; como resultado de
lo mencionado se logró identificar aquellos fenómenos o factores que han impactado
la región en el periodo de estudio, dichos factores están en el orden económico,
social y ambiental. Para este primer orden se tiene la crisis agropecuaria de la
década de los noventa, la revaluación de la tasa de cambio, las altas tasas de interés
que terminaron en el detrimento en la rentabilidad agrícola y sumado a esto la
inexistencia de políticas de apoyo al sector cuyo efecto colateral fue la desaparición
de cultivos y por consiguiente las tierras fueron destinadas a otros usos más
rentables. Dentro del orden social se encontró el fenómeno de la violencia que ha
afectado al país generando desplazamiento y abandono de las tierras. Y finalmente
el orden ambiental comprende la sequía del año 1992 y la plaga (broca) que afectó
los cultivos de café con su llegada en el año 1988.
Hoy día, con los avances tecnológicos en percepción remota, se permite entre otras,
identificar los tipos de cobertura del suelo mediante una clasificación supervisada o
no supervisada en forma más eficiente y económica que con el método
convencional de recorrido y toma de datos en campo, logrando abarcar grandes
extensiones de territorio y optimizando los tiempos para obtener resultados. Pese a
que, pueden existir errores en la clasificación esto puede ser validado y/o corregido
con una simple verificación en terreno de puntos de muestreo. Si bien, puede
parecer dificultoso realizar los diseños de muestreo, actualmente los avances
tecnológicos tales como los Smartphone, GPS, el acceso a internet satelital, entre
otras, facilitan la labor de verificación en el terreno, un procedimiento necesario y
adecuado, ya que se obtiene total certeza del dato relevado y da mayor confianza
en el resultado final de cualquier proyecto.
La metodología empleada en este trabajo, que reunió la combinación de técnicas
de Teledetección, SIG y análisis estadístico, ha demostrado su potencial para
estudios en los que se involucren los cambios de usos de suelo, ya que no sólo
permite obtener imágenes categorizadas de las coberturas, sino que permite
cuantificar los cambios y observar las dinámicas de relación entre ellos, así se gana
89
un indiscutible entendimiento sobre las diferentes coberturas que se están
interrelacionando.
Disponer de mapas de uso de suelo es importante para la gestión sostenible de
recursos de cualquier territorio, además es la base para el estudio de indicadores
ambientales y cambio climático. Hoy día, es indispensable el conocimiento de la
superficie del suelo antes de realizar cualquier interacción en la atmósfera. Por lo
cual, se recomienda la actualización constante del estado de los suelos y su
vocación. Además, su disponibilidad en formatos adecuados para consulta pública
en cada una de las páginas oficiales del municipio o departamento.
Este estudio, como labor académica queda a disposición del público interesado
almacenado en una geodatabase (Anexo 5) que consta de todos los insumos
utilizados y los productos temáticos resultantes de la interpretación, clasificación y
tabulación cruzada que se llevaron a cabo para obtener el mapa de uso actual del
suelo para el municipio de San Francisco.
90
7. BIBLIOGRAFÍA
Alcaldía Municipal de San Francisco Cundinamarca. (Acuerdo Municipal No. 012 de
2016 ). Por el cual se adopta el Plan de Desarrollo "Sumate al Cambio 2016-
2019". Recuperado el 11 de 11 de 2020, de http://www.sanfrancisco-
cundinamarca.gov.co/metas-objetivos-e-indicadores/plan-de-desarrollo-
sumate-al-cambio-2016--2019
Arredondo, H. A., & Rodriguez, O. E. (2005). Manual para el manejo y
procesamiento de imagenes satelitales obtenidas del sensor remoto MODIS
de la NASA, aplicado en estudios de Ingenieria Civil. Bogotá D.C.
Barreto Calderón, N. E. (01 de 01 de 2015). Sector agrícola colombiano en el tratado
de libre comercio con Estados Unidos. (U. d. Posgrado, Ed.) Recuperado el
13 de 11 de 2020, de Biblioteca Prof. Emérito Alfredo L. Palacios:
http://bibliotecadigital.econ.uba.ar/download/tpos/1502-
0350_BarretoCalderonNE.pdf
Blasi , C., Smiraglia , D., & Carranza , M. (2003). Analisi multitemporale del
paesaggio e classificazione gerarchica del territorio: il caso dei Monti Lepini
(Italia centrale). Informatore Botanico Italiano.
Boca, T., & Rodríguez, G. (27 de 06 de 2012). Métodos estadísticos de la evaluación
de la exactitud de productos derivados de sensores remotos. Obtenido de
Instituto de Clima y Agua, INTA Castelar:
https://inta.gob.ar/documentos/metodos-estadisticos-de-la-evaluacion-de-la-
exactitud-de-productos-derivados-de-sensores-remotos
Bustillo Pardey, Á. E. (01 de 02 de 2007). El manejo de cafetales y su relación con
el control de la broca del café en Colombia. Federacion Nacional de
Cafeteros de Colombia, Caldas. Manizales: CENICAFE. Recuperado el 28
de 03 de 2020, de Repositorio Difital del Centro Nacional de Investigaciones
de Café: http://biblioteca.cenicafe.org/handle/10778/579
Cabrera Montenegro, E., Galindo García, G., Vargas Galvis, D., García Dávila, M.
C., & Ordóñez Castro, M. F. (2011). Protocolo de procesamiento digital de
imágenes para la cuantificación de la deforestación en Colombia Nivel
91
subnacional -Escala gruesa y fina. Instituto de Hidrología, Meteorología y
Estudios Ambientales-IDEAM, 44 p. Bogotá D.C, Colombia: Scripto Ltda.
Recuperado el 06 de 06 de 2019, de
http://www.ideam.gov.co/documents/13257/13817/Protocolo+Subnacional+
PDI.pdf
Castro M, D. (2010). Modelo económico y social para Cundinamarca en el marco de
la Región Capital: reformas y políticas de cara al futuro. Recuperado el 14 de
11 de 2018, de FEDESARROLLO:
https://www.repository.fedesarrollo.org.co/bitstream/handle/11445/201/Mod
elo%20Economico%20Cundinamarca-Entrega%20Final-septiembre-15-
2010.pdf?sequence=2&isAllowed=y
Chávez , P. S. (1996). Image-Based Atmospheric Corrections - Revisited and
Improved Photogrammetric Engineering and Remote Sensing. American
Society of Photogrammetry, 62.
Chuvieco, E. (1990). Fundamentos de Teledetección Espacial. Madrid: RIALP.
Chuvieco, E. (1995). Fundamentos de Teledetección Espacial. (RIALP S.A, Ed.)
Recuperado el 09 de 11 de 2020, de
http://pdfhumanidades.com/sites/default/files/apuntes/FUNDAMENTOS-DE-
TELEDETECCION-EMILIO-CHUVIECO.pdf
Chuvieco, E. (2008). Teledetección Ambiental: La observación de la Tierra desde el
espacio. Barcelona: Editorial Ariel. 594 pp.
Climate-Data.Org. (11 de 2020). Obtenido de https://es.climate-data.org/america-
del-sur/colombia/cundinamarca/san-francisco-49889/
Cogedo , L. (2016). Semi-Automatic Classification Plugin Documentation,pág. 132
y 133., Versión 6.4.0.2. doi:
http://dx.doi.org/10.13140/RG.2.2.29474.02242/1
Consejo Municipal de San Francisco Cundinamarca. (Acuerdo Municipal No. 21 de
1999 ). Por medio del cual se adopta el esquema de ordenamiento territorial
municipal EOT. Recuperado el 11 de 03 de 2020, de
https://sanfranciscocundinamarca.micolombiadigital.gov.co/sites/sanfrancisc
92
ocundinamarca/content/files/000022/1087_eot_esquema_de_ordenamiento
_territorial_san_francisco_cundinamarca_nuestro_compromiso_san_francis
co_municipio_de_todos_5.pdf
CORMAGDALENA. (14 de 11 de 2019). La Corporación. Obtenido de
http://www.cormagdalena.gov.co/
DGAEA. (1996). Indicadores Ambientales: Una propuesta para España. En
Ministerio de Medio Ambiente. Madrid: Dirección General de Calidad y
Evaluación Ambiental.
Di Somma, A., & Smiraglia, D. (2009). II Corine Land Cover e gli indici di struttura
per l’analisi del cambiamento del territorio. Il Caso della Regione Lazio. .
Geografia, 1-20.
Dinero. (21 de 08 de 2013). El fin del Pacto Cafetero. Recuperado el 11 de 05 de
2019, de Revista Dinero: https://www.dinero.com/edicion-
impresa/caratula/articulo/el-fin-del-pacto-cafetero/182429
Eastman, J., McKENDRY, J., & Fulk, M. (1994). UNITAR Explorations in GIS
Technology, vol. 1: Change and Time Series Analysis. Geneve, Switzer-land.
ESA a. (2015). THE EUROPEAN SPACE AGECY, Sentinel-2 User Handbook.
Recuperado el 10 de 11 de 2020, de
https://sentinels.copernicus.eu/documents/247904/685211/Sentinel-
2_User_Handbook
ESA a. (2020). THE EUROPEAN SPACE AGECY, Applications. Recuperado el 23
de 03 de 2020, de Facts and figures Sentinel 2:
http://www.esa.int/Applications/Observing_the_Earth/Copernicus/Sentinel-
2/Facts_and_figures
ESA b. (2015). THE EUROPEAN SPACE AGECY, Sentinel-2 Products Specification
Document. Recuperado el 10 de 11 de 2020, de ESA Sentinel 2 PDGS Core
Procurement:
https://sentinel.esa.int/documents/247904/349490/S2_MSI_Product_Specifi
cation.pdf
93
ESA b. (2020). THE EUROPEAN SPACE AGECY, Sentinel Missions. Recuperado
el 23 de 03 de 2020, de Sentinel Overview:
https://sentinel.esa.int/web/sentinel/missions
Esperbent, C., & Migliorati , M. (2018). SAOCOM es el mayor desafío que ha tenido
el país en el área satelital. Revista de Investigaciones Agropecuarias RIA,
44(3), 280-285.
Fondo de Inversión para la Paz. (2001). Panorama Actual de Cundinamarca -
Publicación del Observatorio del programa Presidencial de Derechos
Humanos y Derecho Internacional Humanitario. (Vicepresidencia de la
República, Ed.) Recuperado el 09 de 11 de 2020, de
https://www.researchgate.net/publication/319141175_PANORAMA_ACTUA
L_DE_CUNDINAMARCA/citation/download
Franzosi, C. (2010). Aplicaciones del sensor Landsat. Buenos Aires, Argentina.
Obtenido de Universidad de Bueno Aires.
GeoSpatial. (2013). Imágenes Ópticas. Recuperado el 20 de 11 de 2020, de
http://www.geospatial.com.co/imagenes-de-satelite/img_opticas.html
Gobernación de Cundinamarca. (2002). mapa de uso actual y cobertura vegetal de
los suelos del departamento de Cundinamarca a escala 1:25.000.
Recuperado el 10 de 12 de 2019, de Secretaría de Agricultura y Desarrollo
Rural - Unidad de Planeación Rural URPA:
http://cundinet.cundinamarca.gov.co:8080/aplicaciones/gobernacion/centro
Documental/doc-
agricultura.nsf/0/2E2FBAB00B567B2F05257EB40056B9E5/$FILE/Informe
%20Final%20PDF.pdf
Gobernación de Cundinamarca. (2007). Elaboración y edición de la cartografía
digital de la clasificación del suelo y usos del suelo rural de conformidad con
el POT para los municipios del departamento de Cundinamarca. Bogotá:
Secretaría de Planeación.
Gobernación de Cundinamarca a. (22 de 03 de 2019). Anuarios Estadísticos
Cundinamarca. Recuperado el 10 de 02 de 2020, de Secretaría de
94
Planeación:
http://www.cundinamarca.gov.co/Home/SecretariasEntidades.gc/Secretaria
deplaneacion/SecretariadeplaneacionDespliegue/asestadisticas_contenidos
/csecreplanea_estadis_anuario
Gobernación de Cundinamarca b. (10 de 10 de 2019). Base Catastral 2016 en
Cundinamarca. (M. Rozo, Editor) Recuperado el 13 de 11 de 2020, de Mapas
y Estadísticas: https://mapasyestadisticas-cundinamarca-
map.opendata.arcgis.com/datasets/base-catastral-2016-en-cundinamarca-
numero-de-predios?geometry=-74.698%2C4.813%2C-73.815%2C5.053
González V., M., & Dalannais G., G. (1976). La percepción remota multibanda como
un medio analítico para algunos aspectos del suelo, el agua y las plantas.
Recuperado el 10 de 01 de 2020, de Biblioteca digital CEDOC-CIREN:
http://bibliotecadigital.ciren.cl/bitstream/handle/123456789/16267/PI01874.p
df?sequence=1
Guarín Nuñez, C. A. (2010). Pequeños productores de café en Cundinamarca.
Análisis del Impacto del programa de renovación de cafetales en las
características de sus cultivos. Recuperado el 09 de 11 de 2020, de
Biblioteca Digital Universidad Nacional de Colombia:
https://repositorio.unal.edu.co/bitstream/handle/unal/70367/794075.2010.pdf
?sequence=1&isAllowed=y
Hernández Gómez, A., Rojas Robles, R., & Sánchez Calderón, F. V. (2013).
Cambios en el uso del suelo asociados a la expansión urbana y la planeación
en el corregimiento de Pasquilla, zona rural de Bogotá (Colombia). (2. 2.-2.
Cuadernos de Geografía: Revista Colombiana de Geografía, Ed.)
Recuperado el 09 de 11 de 2020, de
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0121-
215X2013000200014&lng=en&tlng=es.
IDEAM. (1997). Coberturas de la tierra. Obtenido de
http://www.ideam.gov.co/web/ecosistemas/coberturas-tierra
IDEAM. (14 de 11 de 2019). Acerca de la Entidad. Obtenido de
http://www.ideam.gov.co/web/entidad/acerca-entidad
95
IDEAM, CORMAGDALENA, IGAC. (2008). Mapa de cobertura de la tierra cuenca
Magdalena – Cauca: Metodología CORINE Land Cover adaptada para
Colombia escala 1: 100.000. 200p. + 164 hojas cartográficas. Bogotá D.C:
Instituto de Hidrología, Meteorología y Estudios Ambientales, Instituto
Geográfico Agustín Codazzi y Corporación Autónoma Regional del río
Grande de La Magdalena. Recuperado el 04 de 03 de 2020, de
http://documentacion.ideam.gov.co/openbiblio/bvirtual/021521/LIBROCORI
NEFINAL.pdf
IDECA. (2019). Resolución Temporal. Recuperado el 22 de 04 de 2020, de
Recursos - Glorario: https://www.ideca.gov.co/recursos/glosario/resolucion-
temporal
IGAC. (14 de 11 de 2019). ¿Qué hacemos? Obtenido de Intituto Geográfico Agustín
Codazzi: https://www.igac.gov.co/es/contenido/que-hacemos
INEGI. (2010). Aspectos técnicos de las imágenes. Mexico.
Ingeoexpert. (28 de 12 de 2018). Etapa de análisis de precisión y verificación de
resultados. Recuperado el 12 de 11 de 2020, de Clasificaciones de imágenes
de satélite: https://ingeoexpert.com/blog/articulo/clasificaciones-de-
imagenes-de-satelite/
INVAP. (2018). INVAP en la misión SAOCOM. Recuperado el 20 de 11 de 2020, de
http://saocom.invap.com.ar/
Lillesand, M., & Kiefer, W. (1994). Remote sensing and imageinterpretation. New
York.
López Vázquez, V. H., & Plata Rocha, W. (2009). Análisis de los cambios de
cobertura de suelo derivados de la expansión urbana de la Zona
Metropolitana de la Ciudad de México, 1990-2000. Investigaciones
Geográficas(68), 85-101. Recuperado el 10 de 01 de 2020, de
https://www.academia.edu/3497887/An%C3%A1lisis_de_los_cambios_de_
cobertura_de_suelo_derivados_de_la_expansi%C3%B3n_urbana_de_la_Z
ona_Metropolitana_de_la_Ciudad_de_M%C3%A9xico_1990-2000
96
Martínez Vega, J. J. (1996). Una revisión sobre las imágenes espaciales como
fuentes cartográficas. Revista de teledetección: Revista de la Asociación
Española de Teledetección, (6), 5.
Mateo, R., Sendra, J., & Rocha, W. (2008). Análisis de posibles errores en la base
de datos Corine Land Cover (1990-2000) en la Comunidad de Madrid.
ESTUDIOS GEOGRÁFICOS, 69(264), 81-104.
Ministerio de Agricultura y Desarrollo Rural. (2012). Estudio de los conflictos de uso
del territorio Colombiano. Recuperado el 11 de 03 de 2020, de
https://repository.agrosavia.co/bitstream/handle/20.500.12324/12723/80286
_26460.pdf?sequence=1&isAllowed=y
NASA. (2011). Landsat 7 Science Data Users Handbook Landsat Project Science
Office at NASA’s Goddard Space Flight Center in Greenbelt. Obtenido de
http://landsathandbook.gsfc.nasa.gov/pdfs/Landsat7_Handbook.pdf
NASA. (2019). National Aeronautics and Space Administration. Recuperado el 21
de 03 de 2020, de Landsat Science-Landsat 4:
https://landsat.gsfc.nasa.gov/landsat-4/
NASA. (21 de 03 de 2020). The Thematic Mapper. Obtenido de Landsat Science:
https://landsat.gsfc.nasa.gov/the-thematic-mapper/
Niclós Corts, R., Estrela Navarro, M. J., Valiente Pardo, J. A., & Barberá Bisbal, M.
J. (2010). Clasificación periódica de coberturas terrestres a escala regional
con imágenes MODIS. Geofocus -Revista Internacional de Ciencia y
Técnologia de la Información Geográfica(10), 1-17.
Pontius, R. G., JShusas, J. E., & McEachern , M. (2004). Detecting important
categorical land changes while accounting for persistence. Agriculture,
Ecosystems and Environment, 101, 251 - 268.
Reuter, A. F. (2002). Carpeta de Trabajos prácticos Teledetección Forestal, Practica
11: Transformación de la Imagen - Clasficaciones supervisadas y No
supervisadas. Recuperado el 15 de 08 de 2019, de Facultad de Ciencias
Forestales UNSE: https://fcf.unse.edu.ar/archivos/lpr/pdf/p11.PDF
97
Riaño, O. (2002). Consideraciones y métodos para la detección de cambios
empleando imágenes de satélite en el municipio de Paipa. Colombia forestal,
7(15), 41-62.
Richards, J. A., & Jia, X. (2006). Remote Sensing Digital Imagen Analysis. New
York, Berlin: Springer Verlag.
Salas Castillo, E. (06 de 06 de 2010). Análisis del cambio en la cobertura arbórea
de la subcuenca del río el Tunal (1990-2008). Tesis de Maestría . Victoria de
Durango, Mexico.
Sancho Comins, J., Bosque Sendra, J., & Moreno Sanz, F. (1993). La Dinámica del
paisaje: Aplicaciones de un SIG ráster al ejemplo de Arganda del Rey en las
Vegas de Madrid. Madrid: 2° época año.
Suárez-Parra, K., Cély-Reyes, G., & Forero-Ulloa, F. (2016). Validación de la
metodología Corine Land Cover (CLC) para determinación espacio-temporal
de coberturas: caso microcuenca de la quebrada Mecha (Cómbita, Boyacá).
Biota Colombiana, 17(1), 1-15.
USGS a. (2018). United States Geological Survey, Landsat 4. Recuperado el 21 de
03 de 2020, de Landsat Missions: https://www.usgs.gov/land-
resources/nli/landsat/landsat-4?qt-
science_support_page_related_con=0#qt-
science_support_page_related_con
USGS a. (2019). United States Geological Survey, Landsat 7 Data Users Handbook.
Recuperado el 10 de 11 de 2020, de https://prd-wret.s3.us-west-
2.amazonaws.com/assets/palladium/production/atoms/files/LSDS-
1927_L7_Data_Users_Handbook-v2.pdf
USGS b. (2018). United States Geological Survey, Sentinel-2. Recuperado el 21 de
03 de 2020, de USGS EROS Archive:
https://www.usgs.gov/centers/eros/science/usgs-eros-archive-sentinel-2?qt-
science_center_objects=0#qt-science_center_objects
USGS b. (10 de 12 de 2019). United States Geological Survey, Using the USGS
Landsat Level-1 Data Product. Recuperado el 11 de 11 de 2020, de Landsat
98
Missions: https://www.usgs.gov/land-resources/nli/landsat/using-usgs-
landsat-level-1-data-product
Velasco, A. C., García, C. A. V., Morales, F. A. R., Castelblanco, S. F. C., & Fuentes,
H. A. (2015). Aplicaciones y retos del sensado remoto hiperespectral en la
geología colombiana. Facultad de Ingeniería, 17-29.
99
8. ANEXOS
FACATATIVÁ
EL ROSAL
SUPATÁ
LA VEGA
SUBACHOQUE
970000
970000
975000
975000
980000
980000
985000
9850001030
000
1030
000
1035
000
1035
000
1040
000
1040
000
1045
000
1045
000
LA VEGA
EL ROSAL
SUPATÁ
FACATATIVÁ
975000 980000 985000
1030
000
1030
000
1035
000
1035
000
1040
000
1040
000
1045
000
1045
000
1050
000
1050
000
REPÚBLICA DE COLOMBIADEPARTAMENTO DE CUNDINAMARCA
MUNICIPIO DE SAN FRANCISCO DE SALES
COBERTURA DEL SUELOBosque AbiertoBosque DensoBosque de Galería y RiparioMosaico de CultivosMosaico de Cultivos y Espacios NaturalesMosaico de Cultivos, Pastos y Espacios NaturalesNubesPastos LimpiosPlantacion ForestalSombrasTejido Urbano ContinuoZona de Extraccion Minera
Coordinate System: MAGNA Colombia BogotaProjection: Transverse MercatorDatum: MAGNAFalse Easting: 1,000,000.0000False Northing: 1,000,000.0000Central Meridian: -74.0775Scale Factor: 1.0000Latitude Of Origin: 4.5962Units: Meter
Anexo 1: Mapa de Cobertura del Suelo 1988
FUENTE: GDB IGAC 1: 100.000
ELABORADO POR:ING. YULY MARCELA NIÑO MARTINEZ
Copyright © 2020 por Yuly Marcela Niño MartínezTodos los derechos reservados.
MAPA DE COBERTURA DEL SUELO 1988
UNIVERSIDAD NACIONAL DE LA PLATAFACULTAD DE INGENIERÍA - FACULTAD DE CIENCIAS
ASTRONÓMICAS Y GEOFÍSICASTESIS DE GRADO MAESTRÍA EN GEOMÁTICA
INFORMACIÓN DE REFERENCIA
“ANALISIS MULTITEMPORAL MEDIANTE IMÁGENES DE SENSORES REMOTOS PARA LA DETERMINACION DE LOS
CAMBIOS DE USO DE SUELO EN EL MUNICIPIO DE SAN FRANCISCO DE SALES, CUNDINAMARCA (COLOMBIA)
ENTRE LOS AÑOS 90’S Y 2018”
MAPA DE LOCALIZACIÓN
CUNDINAMARCA
MUNICIPIO DE SAN FRANCISCO DE SALES
0 1 2 3 4 50.5Km.
ESCALA 1:100,000
IMAGEN: LANDSAT 4 TM - RGB 321FECHA DE TOMA 1988-03-22
0 2 4 61Km.
ESCALA 1:200,000
FACATATIVÁ
EL ROSAL
SUPATÁ
LA VEGA
SUBACHOQUE
970000
970000
975000
975000
980000
980000
985000
9850001030
000
1030
000
1035
000
1035
000
1040
000
1040
000
1045
000
1045
000
LA VEGA
EL ROSAL
SUPATÁ
FACATATIVÁ
975000 980000 985000
1030
000
1030
000
1035
000
1035
000
1040
000
1040
000
1045
000
1045
000
1050
000
1050
000
REPÚBLICA DE COLOMBIADEPARTAMENTO DE CUNDINAMARCA
MUNICIPIO DE SAN FRANCISCO DE SALES
COBERTURA DEL SUELOBosque AbiertoBosque DensoBosque de Galería y RiparioMosaico de CultivosMosaico de Cultivos y Espacios NaturalesMosaico de Cultivos, Pastos y Espacios NaturalesPastos LimpiosPlantacion ForestalSombrasTejido Urbano ContinuoTejido Urbano DiscontinuoZona IndustrialZona de Extraccion Minera
Coordinate System: MAGNA Colombia BogotaProjection: Transverse MercatorDatum: MAGNAFalse Easting: 1,000,000.0000False Northing: 1,000,000.0000Central Meridian: -74.0775Scale Factor: 1.0000Latitude Of Origin: 4.5962Units: Meter
Anexo 2: Mapa de Cobertura del Suelo 2018
FUENTE: GDB IGAC 1: 100.000
ELABORADO POR:ING. YULY MARCELA NIÑO MARTINEZ
Copyright © 2020 por Yuly Marcela Niño MartínezTodos los derechos reservados.
MAPA DE COBERTURA DEL SUELO 2018
UNIVERSIDAD NACIONAL DE LA PLATAFACULTAD DE INGENIERÍA - FACULTAD DE CIENCIAS
ASTRONÓMICAS Y GEOFÍSICASTESIS DE GRADO MAESTRÍA EN GEOMÁTICA
INFORMACIÓN DE REFERENCIA
“ANALISIS MULTITEMPORAL MEDIANTE IMÁGENES DE SENSORES REMOTOS PARA LA DETERMINACION DE LOS
CAMBIOS DE USO DE SUELO EN EL MUNICIPIO DE SAN FRANCISCO DE SALES, CUNDINAMARCA (COLOMBIA)
ENTRE LOS AÑOS 90’S Y 2018”
MAPA DE LOCALIZACIÓN
CUNDINAMARCA
MUNICIPIO DE SAN FRANCISCO DE SALES
0 1 2 3 4 50.5Km.
ESCALA 1:100,000
IMAGEN: SENTINEL 2 MSI- RGB 234FECHA DE TOMA 2018-01-24
0 2 4 61Km.
ESCALA 1:200,000
975000 980000
1030
000
1035
000
1040
000
1045
000
975000 980000
1030
000
1035
000
1040
000
1045
000
USO PROPUESTO DEL SUELO 1999COBERTURA DEL SUELO 2018
REPÚBLICA DE COLOMBIADEPARTAMENTO DE CUNDINAMARCA
MUNICIPIO DE SAN FRANCISCO DE SALES
0 1 2 3 4 50.5Km.
Coordinate System: MAGNA Colombia BogotaProjection: Transverse MercatorDatum: MAGNAFalse Easting: 1,000,000.0000False Northing: 1,000,000.0000Central Meridian: -74.0775Scale Factor: 1.0000Latitude Of Origin: 4.5962Units: Meter
Anexo 3: Mapa de Cobertura y Usos Propuestos del Suelo
FUENTE: GDB IGAC 1: 100.000
ELABORADO POR:ING. YULY MARCELA NIÑO MARTINEZ
Copyright © 2020 por Yuly Marcela Niño MartínezTodos los derechos reservados.
1:100,000ESCALA
MAPA DE COBERTURA Y USOS PROPUESTOS DEL SUELO
UNIVERSIDAD NACIONAL DE LA PLATAFACULTAD DE INGENIERÍA - FACULTAD DE CIENCIAS
ASTRONÓMICAS Y GEOFÍSICASTESIS DE GRADO MAESTRÍA EN GEOMÁTICA
INFORMACIÓN DE REFERENCIA
“ANALISIS MULTITEMPORAL MEDIANTE IMÁGENES DE SENSORES REMOTOS PARA LA DETERMINACION DE LOS
CAMBIOS DE USO DE SUELO EN EL MUNICIPIO DE SAN FRANCISCO DE SALES, CUNDINAMARCA (COLOMBIA)
ENTRE LOS AÑOS 90’S Y 2018”
MAPA DE LOCALIZACIÓN
CUNDINAMARCA
COBERTURA DEL SUELO
Bosque AbiertoBosque DensoBosque de Galería y RiparioMosaico de CultivosMosaico de Cultivos y Espacios NaturalesMosaico de Cultivos, Pastos y Espacios NaturalesMosaico de Pastos y Espacios NaturalesPastos LimpiosPlantacion ForestalSombrasTejido Urbano ContinuoTejido Urbano DiscontinuoZona IndustrialZona de Extraccion Minera
USO PROPUESTO
Conservación de Bosques NaturalesConservación de Suelo y Restauración EcológicaDesarrollo Agropecuario Con RestriccionesDesarrollo Agropecuario Sin RestriccionesDesarrollo ForestalInfraestructura de ServiciosProtección HídricaProtección de Los Recursos NaturalesRecuperación AmbientalSuelos UrbanosViales de Servicios
FACATATIVÁ
EL ROSAL
SUPATÁ
LA VEGA
SUBACHOQUE
970000
970000
975000
975000
980000
980000
985000
9850001030
000
1030
000
1035
000
1035
000
1040
000
1040
000
1045
000
1045
000
LA VEGA
EL ROSAL
SUPATÁ
FACATATIVÁ
975000 980000 985000
1030
000
1030
000
1035
000
1035
000
1040
000
1040
000
1045
000
1045
000
1050
000
1050
000
REPÚBLICA DE COLOMBIADEPARTAMENTO DE CUNDINAMARCA
MUNICIPIO DE SAN FRANCISCO DE SALES
TIPO DE USOCOMPATIBLE (56.87%)RESTRINGIDO (1.03%)NO COMPATIBLE (42.10%)
Coordinate System: MAGNA Colombia BogotaProjection: Transverse MercatorDatum: MAGNAFalse Easting: 1,000,000.0000False Northing: 1,000,000.0000Central Meridian: -74.0775Scale Factor: 1.0000Latitude Of Origin: 4.5962Units: Meter
Anexo 4: Mapa Conflicto de Uso del Suelo
FUENTE: GDB IGAC 1: 100.000
ELABORADO POR:ING. YULY MARCELA NIÑO MARTINEZ
Copyright © 2020 por Yuly Marcela Niño MartínezTodos los derechos reservados.
MAPA CONFLICTO DE USO DEL SUELO
UNIVERSIDAD NACIONAL DE LA PLATAFACULTAD DE INGENIERÍA - FACULTAD DE CIENCIAS
ASTRONÓMICAS Y GEOFÍSICASTESIS DE GRADO MAESTRÍA EN GEOMÁTICA
INFORMACIÓN DE REFERENCIA
“ANALISIS MULTITEMPORAL MEDIANTE IMÁGENES DE SENSORES REMOTOS PARA LA DETERMINACION DE LOS
CAMBIOS DE USO DE SUELO EN EL MUNICIPIO DE SAN FRANCISCO DE SALES, CUNDINAMARCA (COLOMBIA)
ENTRE LOS AÑOS 90’S Y 2018”
MAPA DE LOCALIZACIÓN
CUNDINAMARCA
MUNICIPIO DE SAN FRANCISCO DE SALES
0 1 2 3 4 50.5Km.
ESCALA 1:100,000
IMAGEN: SENTINEL 2 MSI- RGB 234FECHA DE TOMA 2018-01-24
0 2 4 61Km.
ESCALA 1:200,000